微软表示,它发现了一个针对软件开发者的协调攻击活动,攻击者通过伪装成合法Next.js项目和技术评估的恶意代码仓库实施攻击。
该攻击活动使用精心设计的诱饵来融入常规工作流程,比如克隆代码仓库、打开项目和运行构建,从而使恶意代码能够在不被发现的情况下执行。
微软在事件调查期间收集的遥测数据表明,该攻击活动与更广泛的使用求职主题诱饵的威胁集群相关。微软在一篇安全博客文章中写道:"在初步事件分析期间,Defender遥测数据显示了一组有限的直接参与观察到的攻击的恶意代码仓库。进一步调查发现了其他相关代码仓库,虽然在观察到的日志中没有直接引用,但表现出相同的执行机制、加载器逻辑和暂存基础设施。"
该攻击活动利用开发者对共享代码的信任,在高价值的开发者系统中获得持久性,这些系统通常包含源代码、环境秘密、凭据以及对构建或云基础设施的访问权限。
微软研究人员发现,这些恶意代码仓库设计了冗余机制,提供多个执行路径,最终导致相同的后门行为。
在某些情况下,仅仅在Visual Studio Code中打开项目就足够了。攻击者滥用工作空间自动化,嵌入了配置为在文件夹打开和受信任时自动运行的任务。这会在开发者不运行任何内容的情况下导致代码执行。
其他变体依赖于构建流程或服务器启动例程,确保当开发者执行启动开发服务器等典型操作时运行恶意代码。无论触发器如何,这些代码仓库都会从远程基础设施检索额外的JavaScript代码并在内存中执行,减少磁盘上的痕迹。
检索到的有效载荷分阶段运行。初始注册组件识别主机并可以提供引导指令,之后单独的C2控制器提供持久性并启用后续操作,如有效载荷传递和数据窃取。
微软表示,调查始于分析来自与攻击者控制的服务器通信的Node.js进程的可疑出站连接。将网络活动与进程遥测相关联,使分析师追溯到通过招聘练习的原始感染。
其中一个代码仓库托管在Bitbucket上,被包装为技术评估,还有一个使用Cryptan-Platform-MVP1命名约定的相关代码仓库。微软写道:"多个代码仓库遵循可重复的命名约定和项目'系列'模式,使得能够针对性搜索其他相关代码仓库,这些代码仓库在观察到的遥测中没有直接引用,但表现出相同的执行和暂存行为。"
当怀疑感染时,微软警告受影响的组织必须立即隔离可疑端点,追踪启动进程树,并在整个网络中搜索对可疑基础设施的重复轮询。由于可能会发生凭据和会话盗用,响应人员应评估身份风险,撤销会话,并限制高风险SaaS操作,以在调查期间限制暴露。
长期缓解措施包括重点收紧开发者信任边界和降低执行风险,微软补充道。其他建议包括强制执行Visual Studio Code工作空间信任默认设置,应用攻击面减少规则,启用基于云的声誉保护,以及加强条件访问。
Q&A
Q1:这次攻击活动的主要目标是谁?
A:这次攻击活动主要针对软件开发者,攻击者通过伪装成合法Next.js项目和技术评估的恶意代码仓库来实施攻击,利用开发者对共享代码的信任。
Q2:攻击者是如何让恶意代码执行的?
A:攻击者设计了多个执行路径,包括滥用Visual Studio Code工作空间自动化功能,在文件夹打开时自动运行任务,或者依赖构建流程和服务器启动例程,确保在开发者执行常规操作时运行恶意代码。
Q3:如何防范这类以求职为诱饵的攻击?
A:微软建议收紧开发者信任边界,强制执行Visual Studio Code工作空间信任默认设置,应用攻击面减少规则,启用基于云的声誉保护,加强条件访问,以及在怀疑感染时立即隔离可疑端点。
好文章,需要你的鼓励
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
随着医疗数据数字化与互操作性的进步,跨机构纵向患者数据的研究应用成为可能。本研究通过对20位领域专家的访谈,识别出8种数据收集方法,涵盖智能手机应用、结构化数据导出、区域/全国研究查询及聚合数据源等。研究发现,各方法均有其优缺点,无单一最优方案。参与者中介交换方式可绕过复杂治理安排,但存在数据缺口;全国性网络尚不支持研究查询。公共政策的持续推进将对该领域发展起关键作用。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。