网络安全研究人员披露了一起新的网络攻击活动详情,该活动利用WhatsApp作为分发媒介,在针对巴西的攻击中传播名为Astaroth的Windows银行木马。
这次攻击活动被安客诺斯威胁研究部门命名为Boto Cor-de-Rosa。
"该恶意软件会获取受害者的WhatsApp联系人列表,并自动向每个联系人发送恶意消息以进一步传播感染,"这家网络安全公司在分享给黑客新闻的报告中表示。
"虽然核心的Astaroth载荷仍采用Delphi编写,其安装程序依赖Visual Basic脚本,但新增加的基于WhatsApp的蠕虫模块完全用Python实现,突显了威胁行为者日益增长的多语言模块化组件使用趋势。"
Astaroth,也被称为Guildma,是一种银行恶意软件,自2015年以来在野外被检测到,主要针对拉丁美洲用户,特别是巴西用户,以便进行数据盗窃。2024年,多个被追踪为PINEAPPLE和Water Makara的威胁集群被观察到利用钓鱼邮件传播这种恶意软件。
使用WhatsApp作为银行木马的传播媒介是一种新策略,在针对巴西用户的威胁行为者中越来越受欢迎,这一趋势的推动力来自该消息平台在该国的广泛使用。上个月,趋势科技详细介绍了Water Saci依赖WhatsApp传播Maverick和Casbaneiro变种的情况。
索福斯在2025年11月发布的一份报告中表示,它正在追踪一个代号为STAC3150的多阶段恶意软件分发活动,该活动针对巴西的WhatsApp用户传播Astaroth。超过95%的受影响设备位于巴西,其次是美国和奥地利。
该活动自2025年9月24日以来一直活跃,传播包含下载器脚本的ZIP压缩包,该脚本检索PowerShell或Python脚本来收集WhatsApp用户数据以进一步传播,同时包含部署木马的MSI安装程序。安客诺斯的最新发现延续了这一趋势,通过WhatsApp消息分发的ZIP文件成为恶意软件感染的跳板。
"当受害者解压并打开压缩包时,他们会遇到一个伪装成良性文件的Visual Basic脚本,"该网络安全公司表示。"执行此脚本会触发下一阶段组件的下载,标志着入侵的开始。"
这包括两个模块:
一个基于Python的传播模块,该模块收集受害者的WhatsApp联系人,并自动向每个联系人转发恶意ZIP文件,有效地以蠕虫式方式传播恶意软件
一个在后台运行的银行模块,持续监控受害者的网络浏览活动,当访问银行相关网址时激活,以获取凭据并实现经济收益
"恶意软件作者还实现了一个内置机制来实时跟踪和报告传播指标,"安客诺斯表示。"代码会定期记录统计信息,如成功发送的消息数量、失败尝试次数,以及以每分钟消息数衡量的发送速率。"
Q&A
Q1:Astaroth银行木马是什么?
A:Astaroth,也被称为Guildma,是一种银行恶意软件,自2015年以来在野外被检测到,主要针对拉丁美洲用户,特别是巴西用户,以便进行数据盗窃。该木马包含两个主要模块:传播模块和银行模块。
Q2:Astaroth如何通过WhatsApp传播?
A:该恶意软件通过ZIP压缩包在WhatsApp上传播。当受害者解压并执行其中的Visual Basic脚本后,会下载一个Python传播模块,该模块收集受害者的WhatsApp联系人列表,并自动向每个联系人发送恶意ZIP文件。
Q3:Astaroth主要攻击哪些地区?
A:Astaroth主要针对拉丁美洲用户,特别是巴西。根据索福斯的报告,超过95%的受影响设备位于巴西,其次是美国和奥地利。威胁行为者选择WhatsApp作为传播媒介,是因为该平台在巴西的广泛使用。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。