由 Microsoft 数字犯罪部门 (DCU) 牵头,一支涵盖科技合作伙伴与执法机构的广泛联盟,已经摧毁了危险的 Lumma Stealer 恶意软件即服务 (MaaS) 运营,该运营在多个网络犯罪团伙(包括勒索软件团伙)的武器库中发挥了关键作用。
利用今年五月初由美国佐治亚州北区地方法院签发的法庭命令,DCU 及其盟友查封并关闭了约 2,300 个构成 Lumma 运营核心的恶意域名。
DCU 助理总法律顾问 Steven Masada 表示:“Lumma 窃取密码、信用卡信息、银行账户以及加密货币钱包,从而使犯罪分子能够勒索学校、清空银行账户并破坏关键服务。”
与此同时,美国司法部 (DoJ) 也查封了 MaaS 的中央指挥结构,并针对出售访问权限的地下市场采取行动;而在其他地方,Europol 欧洲刑事犯罪中心 (EC3) 以及日本网络犯罪管制中心 (JC3) 则对本地托管的基础设施展开打击。
Europol EC3 负责人 Edvardas Sileris 表示:“此次行动清晰地展示了公私合作伙伴关系如何变革网络犯罪斗争。通过结合 Europol 的协调能力与 Microsoft 的技术洞察力,一座庞大的犯罪基础设施已被摧毁。网络罪犯依赖碎片化而生存——但团结一致,我们更为强大。”
在一篇详细说明此次打击行动的博客中,Masada 表示,在两个月内,Microsoft 已识别出超过 394,000 台感染了 Lumma 的 Windows 计算机。这些设备现已被“解放”,因为 Lumma 与其受害者之间的通信已被切断。
此次联合行动旨在放慢威胁行为者发动攻击的速度,降低其活动效果,并通过切断主要收入来源,阻碍其非法获利。 ——Steven Masada, Microsoft 数字犯罪部门
与此同时,大约 1,300 个被查封或转移至 Microsoft 的域名(其中包括 300 个由 Europol 采取行动的)现正重定向至 Microsoft 运营的诱捕服务器。
Masada 表示:“这将使 Microsoft 的 DCU 能够提供可操作的情报,继续强化公司服务的安全性,并帮助保护线上用户。” 他补充道:“这些洞察还将协助公私部门的合作伙伴在持续追踪、调查和修复这一威胁的过程中发挥作用。”
“此次联合行动旨在放慢这些行为者发动攻击的速度,降低其活动效果,并通过切断主要收入来源,阻碍他们的非法获利。”
Lumma 变色龙
Lumma Stealer MaaS 大约三年前首次出现在地下市场,并且自那时以来一直在持续开发中。
Lumma 的开发团队总部位于俄罗斯,由一名使用 “Shamel” 作为代号的主要开发者运营。Lumma 提供四个级别的服务,起价为 250 美元 (186 英镑),最高可达令人瞠目结舌的 20,000 美元,购买者可获得 Lumma 的风格及面板源码、插件源码以及作为转销商的权利。
在 2023 年与一位网络安全研究员的对话中,Shamel 声称其大约拥有 400 名活跃用户。
在部署时,其目标通常是通过变现窃取的数据或进行进一步的非法利用。就像变色龙一样,Lumma 难以被察觉,往往可以悄无声息地绕过众多安全防护措施。为了诱骗受害者,Lumma 会伪装成受信任的品牌——包括 Microsoft——并通过钓鱼邮件及恶意广告进行传播。
因此,它已经成为许多网络罪犯的常用工具,并且已知被世界上一些最臭名昭著的网络犯罪团伙(包括勒索软件团伙)所使用。据悉,其客户曾经包括 Scattered Spider,该团伙被认为是英国 Marks & Spencer 勒索软件攻击背后的主谋之一,尽管目前没有公开证据表明其曾在该事件中被使用。
Cloudflare 的 Cloudforce One 负责人 Blake Darché 表示,Cloudflare 在此次打击行动中提供了重要支持。他说:“Lumma 会侵入您的网页浏览器,窃取您计算机上每一项可能用于获取金钱或账户的信息——目标受害者可以是任何人、任何地方、任何时间。幕后威胁行为者每天瞄准数百名受害者,获取他们能抓取到的一切数据。这次打击使得他们的行动受到严重阻碍,延误了数天的作案进程,关闭了大量域名,并最终阻断了他们通过网络犯罪获利的能力。”
Blake Darché 补充道:“尽管这一努力对全球最大的情报窃取工具的基础设施造成了巨大冲击,但和其他任何威胁行为者一样,Lumma 背后的操作者会变换策略,并卷土重来,重新启动其攻击活动。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。