CyberStrikeAI brukt i reelle angrep: fotfeste på to minutter, domene-admin på tre dager
Kaspersky har dokumentet reelle angrep der det åpen kildekode-baserte AI-verktøyet CyberStrikeAI ble brukt mot utdanningsinstitusjoner i Afrika og Latin-Amerika: En menneskelig hacker brukte ett døgn på en SQL-server, og to uker senere tok en AI-agent over — fotfeste på to minutter, stjålne domene-admin-kontoer på tre til fire dager og dataeksfilrasjon på under en time. Det sentrale: angrepet etterlot ingen AI-fotspor på offermaskinene.
Nyheten
Kasperskys trusselintelligens-team (CTI) har publisert en analyse av tilfeller der det åpen kildekode-verktøyet CyberStrikeAI — et AI-drevet verktøy for penetrasjonstesting — ble misbrukt i faktiske cyberangrep mot utdanningsinstitusjoner i Afrika og Latin-Amerika (BigGo Finance).
Funnet lander samtidig med at Google Threat Intelligence Groups AI Threat Tracker, publisert 16. november, lister CyberStrikeAI blant de autonome offensive rammeverkene trusselaktører tar i bruk (Google Cloud).
Kaspersky har ikke navngitt de rammede institusjonene eller landene utover regionbeskrivelsen, og ingen av offerene er bekreftet uavhengig. Alle saksdetaljene nedenfor stammer fra Kasperskys analyse, gjengitt via BigGo Finance som sekundærkilde.
Angrepsforløpet, trinn for trinn
Kasperskys rekonstruksjon deler angrepet i to faser — en menneskelig og en agentbasert — med markert pause imellom:
- SQL-serveren, omtrent ett døgn. En menneskelig hacker tok først kontroll over offerorganisasjonens SQL-server for å samle grunnleggende informasjon og kartlegge nettverksstrukturen. Dette tok omtrent ett døgn.
- Pause på rundt to uker. Deretter ble det en gap på omtrent to uker før neste fase. Hvorfor pausen inntrådte, er ikke forklart i analysen.
- AI-agenten installeres. På angriperens egen C2-server ble en AI-agent satt opp til å drive angrepet videre.
- Fotfeste på to minutter. Etter at agenten ble aktivert, sikret angriperne et vedvarende fotfeste på offernettverket i løpet av bare to minutter.
- Domene-administrator på tre til fire dager. Domene-admin-kontoer ble stjålet i løpet av tre til fire dager.
- Lateral bevegelse og eksfilrasjon på under en time. Sluttfasen — bevegelse gjennom nettverket og uttransport av data — tok mindre enn én time.
Tidslinjen er kanskje det mest betydningsfulle ved saken. Selve innbruddsteknikkene er ikke revolusjonerende; det er tempoet og utholdenheten som skiller seg fra et menneskedrevet angrep.
Hvordan det fungerte: mennesket satte målet, LLM kjørte detaljene
Kaspersky beskriver et arbeidsfordelingsmønster: et menneske definerte målet, og en stor språkmodell (LLM) håndterte den detaljerte utførelsen — altså hvilke kommandoer som skulle kjøres neste. Analysen konkluderer at AI-en ikke oppfant noen nye hackingteknikker. Den kjedet sammen kjente, etablerte metoder, men gjorde det raskere og mer vedvarende enn en menneskelig operatør typisk klarer.
Det betyr at angrepets «intelligens» lå i orkestreringen, ikke i oppfinnsomheten. Hver enkelt kommando kunne gjenkjennes som kjent tradecraft; det noen ganger ikke gjenkjennes, er mønsteret over tid når en agent itererer uten å bli sliten eller miste fokus.
Hvorfor offermaskinene ikke hadde AI-spor
En av de mest konsekvensrike detaljene i Kasperskys rekonstruksjon: LLM-en som traff beslutningene under angrepet, kjørte ikke på offermaskinene, men på angriperens egen C2-server. Offermaskinene viste derfor ingen logger over tilkoblinger til eksterne AI-tjenester som ChatGPT eller Claude, og ingen ressursbruksspor av typen som oppstår når AI-modeller kjøres lokalt.
For forsvarssiden betyr det at den mest intuitive deteksjonsheuristikken — «se etter trafikk til AI-tjenester eller uvanlig GPU-bruk» — ikke fanger dette tilfellet. Skillet mellom angrep der modellen kjører hos angriperen, og angrep med lokal inferens, blir dermed konkret og praktisk, ikke teoretisk.
Hvem sto bak? Det vet ingen
Kaspersky fant kommentarer på kinesisk i angriperens skript, men kunne ikke identifisere angriperens identitet eller lokasjon ut fra det alene. Selskapet kunne heller ikke knytte aktiviteten til en kjent trusselgruppe, eller bekrefte om samme operatør kontrollerte all den identifiserte infrastrukturen. Det er altså ukjent om angrepene i Afrika og Latin-Amerika var ett eller flere uavhengige foretak.
Språket i skriptkommentarer er i seg selv et svakt indikium — slikt materiale er lett å plante, og Kaspersky selv trekker ingen geografisk konklusjon. Noen tilknytning til Kina eller kinesiske aktører kan derfor ikke dokumenteres.
Den bredere trenden — og et uavklart forhold
Googles Threat Intelligence Group skriver i AI Threat Tracker av 16. november at trusselskaperes teknikker «har fortsatt å gå utover manuell prompting og mot utplassering av autonome multi-agent-offensiverammeverk — som ARTEX, CAIRN, CyberStrikeAI og PentAGI — for å utføre flertrinnsintrusjoner med større operasjonell hastighet» (Google Cloud).
Det er verdt å merke seg et spenningsforhold mellom de to kildene: GTIG karakteriserer CyberStrikeAI primært som noe trusselaktører eksperimenterer med, mens Kaspersky dokumenterer bruk i reelle, fullførte angrep. Hvordan disse vurderingene skal forsones, er ikke oppklart i det tilgjengelige materialet. GTIG-rapporten dokumenterer uansett ikke det samme angrepet som Kaspersky beskriver — det er en bredere trendobservasjon.
Som beslektet trend, men klart adskilt fra Kaspersky-tilfellet: Halcyons analyse, gjengitt av WIRED, anslår at rundt 111 løsepengevirus-grupper hevdet angrep mellom juli og september i år, i det forskerne beskriver som en AI-drevet økning i løsepengevirus-aktivitet (WIRED). Dette handler om et annet angrepsmønster og kan ikke brukes som dokumentasjon på CyberStrikeAI-saken.
Hva dette betyr for forsvar
Kasperskys konklusjon er direkte: forsvarets svar bør flyttes fra malware-deteksjon til atferdsanalyse. Selskapet vurderer at eksisterende regler for atferdsanalyse også kunne oppdaget dette angrepet — nettopp fordi angrepet ikke brukte ny malware eller nye teknikker, men kjente metoder kjedet sammen i et gjenkjennelig atferdsmønster: mistenkelig tilgang til en SQL-server, unormal autentiseringsaktivitet rettet mot domene-admin-kontoer, og deretter massiv lateral bevegelse og datauttransport.
Det er en krevende, men konkret formulering: Det som skal avsløre agentdrevne angrep, er ikke signaturer på ondsinnet kode, men detektering av atferd som avviker fra normalen i nettverket — uavhengig av hvor «intelligent» utførelsen styres fra.
Hong Jun-ho, professor ved instituttet for konvergerende sikkerhetsteknikk ved Sungshin Women's University, setter risikoen på spissen: «Den største risikoen ved AI-agenter er ikke nødvendigvis at de skaper nye hackingteknikker» (BigGo Finance). Kernen i risikoen, ifølge ham, er fart og utholdenhet — at kjente teknikker utføres langt raskere og mer vedvarende enn et menneske klarer.
Åpne spørsmål
Flere sentrale spørsmål står ubesvart i det tilgjengelige materialet:
- Hvem var ofrene? Verken institusjonene eller landene utover «Afrika og Latin-Amerika» er navngitt, og ingen ofre har bekreftet angrepene offentlig.
- Én operatør eller flere? Kaspersky kunne ikke fastslå om samme aktør styrte all infrastrukturen.
- Hvor maturoppfattelsen avvirer: GTIG beskriver eksperimentering; Kaspersky beskriver gjennomførte angrep. Forskjellen kan skyldes ulikt kildemateriale, ulike definisjoner eller ulike tilfeller, men det er ikke avklart.
- Pausen på to uker: Hva som skjedde i gapet mellom SQL-server-innbruddet og agentutplasseringen — planlegging, infrastrukturoppsett eller noe annet — er ikke forklart.
Det dokumenterte poenget står uansett fast: En AI-agent kan i praksis kjøre en hel intrusjonskjede — fotfeste, privilegieskalerende innbrudd, lateral bevegelse og eksfilrasjon — raskt og uten å etterlate AI-spor på offermaskinene. Forsvaret må dermed tilpasses et angrepsmønster der teknikken er gammel, men tempoet er nytt.

