Yeni Malware, Saldırı Adımlarını Belirlemek İçin Dört Yapay Zekâ Modeli Kullanıyor
Cisco Talos araştırmacıları, ele geçirdiği Windows sistemlerinde sonraki adımlarını belirlemek için dört farklı yapay zekâ modeline başvuran CLOSEDQUORUM adlı zararlı yazılımı ortaya çıkardı. Zararlı yazılım DeepSeek, Qwen, Mistral ve Google Gemini servislerinden aldığı yanıtları kullanarak işlem seçerken tek bir yapay zekâ hizmetine bağımlı kalmayan bir yapı sergiliyor. Araştırmacılar, söz konusu keşfin yapay zekânın saldırılarda yalnızca kod veya kimlik avı içeriği üretmek için değil doğrudan kötü amaçlı yazılımın çalışma mantığının bir parçası olarak kullanılmaya başladığını gösterdiğini belirtiyor.
CLOSEDQUORUM Dört Yapay Zekâ Servisinden Yanıt Alarak Eylem Seçiyor
Cisco Talos analizinde CLOSEDQUORUM’un ele geçirilen Windows bilgisayarda gerçekleştireceği işlemleri belirlemek için DeepSeek, Qwen, Mistral ve Google Gemini modellerine danıştığı belirlendi. Zararlı yazılım, servislerden birine erişemediğinde diğer modelleri kullanabildiği için tek bir yapay zekâ sağlayıcısındaki kesinti çalışma akışını doğrudan durdurmuyor. Araştırmacılar, zararlı yazılım çalışmaya başladıktan sonra insan operatörün doğrudan komut göndermesini sağlayan yerleşik bir mekanizma tespit edemedi.
CLOSEDQUORUM’un çalışma modeli, geleneksel komuta-kontrol altyapısından farklı bir yapı ortaya koyuyor. Zararlı yazılım, saldırganın her işlemi önceden belirlemesine ihtiyaç duymak yerine yapay zekâ modellerinden aldığı yanıtları sonraki eylemini seçmek için kullanıyor. Böyle bir yapı, saldırı altyapısının daha esnek davranmasına yol açarken savunma ekiplerinin kötü amaçlı yazılımın davranışını önceden tahmin etmesini de zorlaştırabiliyor.
Cisco Talos incelemesi, CLOSEDQUORUM’un temel hedefleri arasında kullanıcı kimlik bilgileri ile kripto para varlıklarının bulunduğunu ortaya koydu. Araştırmacılar ayrıca zararlı yazılımla 2025 yılında kredi kartı dolandırıcılığına ilişkin siber suç forumu faaliyetleri arasında bağlantılar tespit etti. Talos ekibi, söz konusu bağlantılara rağmen yazılımın arkasındaki kişi veya grubu kesin olarak belirleyemedi.
Araştırmacılar CLOSEDQUORUM’un gerçek saldırılarda kullanılıp kullanılmadığını da doğrulayamadı. Talos’un mevcut bulguları zararlı yazılımın teknik kapasitesini ortaya koyarken belirli bir kuruma yönelik başarılı saldırının gerçekleştiğine dair kesin kanıt sunmuyor. Söz konusu ayrım, yapay zekâ destekli kötü amaçlı yazılım araştırmalarında teknik yetenek ile gerçek dünyadaki kullanımın birbirinden ayrılması açısından önem taşıyor.
Cisco Talos araştırmacıları, yapay zekâ servislerinden yararlanan zararlı yazılımları daha kolay tespit etmek amacıyla Cognitive Artifact Intelligence Research Network (CAIRN) adlı açık kaynaklı bir araştırma çerçevesi geliştirdi. Sistem, zararlı yazılım örneklerinde yapay zekâ entegrasyonuna işaret eden teknik izleri, meta verileri ve diğer özellikleri inceliyor. Araştırmacılar elde edilen göstergeleri kullanarak farklı örnekleri karşılaştırabiliyor ve benzer yapıları aynı kümelerde değerlendirebiliyor.
CAIRN’in temel yaklaşımı, yapay zekâ entegrasyonlarının zararlı yazılımlarda belirli teknik izler bırakabileceği varsayımına dayanıyor. Cisco Talos araştırmacısı Ryan Fetterman, söz konusu izlerin örnekleri sınıflandırmak, takip etmek ve saldırganların yapay zekâyı nasıl kullandığını anlamak için bir sinyal sağlayabileceğini belirtiyor. Böylece güvenlik araştırmacıları yalnızca bilinen zararlı yazılım ailelerini incelemek yerine yapay zekâ kullanım biçimlerine göre yeni örnekleri de araştırabiliyor.
Güvenlik araştırmacıları, önceki yapay zekâ destekli zararlı yazılım örneklerinin önemli bölümünde LLM’lerin saldırganlara yardımcı olan bir araç olarak kullanıldığını belirtiyor. Saldırganlar modellerden kod üretmesini, kimlik avı metinleri hazırlamasını veya kampanyaların belirli aşamalarını otomatikleştirmesini isteyebiliyor. CLOSEDQUORUM ise model yanıtlarını doğrudan ele geçirilmiş sistemdeki eylemlerinin belirlenmesine dahil ederek farklı bir kullanım modeli ortaya çıkarıyor.
Cisco Talos Kıdemli Tehdit İstihbaratı Direktörü Matt Olney, yapay zekânın saldırganlar açısından bir üretkenlik aracından operasyonel altyapının parçasına dönüşmeye başladığını belirtiyor. Olney’e göre LLM tabanlı karar mekanizması, saldırganların daha fazla sistemle ilgilenmesine ve farklı bilgisayarlarda daha fazla işlemi yönetmesine yardımcı olabilecek bir yapı sunuyor. Söz konusu model, yapay zekâ ajanlarının saldırı zincirinde karar destek mekanizması olarak kullanılabileceğine işaret ediyor.
Ukrayna CERT-UA tarafından Temmuz 2025’te duyurulan LAMEHUG örneği, yapay zekâ servislerinin zararlı yazılım operasyonlarına dahil edilmesine ilişkin daha erken örneklerden birini oluşturuyor. Söz konusu zararlı yazılım, kimlik avı kampanyası kapsamında Qwen2.5-Coder-32B-Instruct modeline Hugging Face API üzerinden bağlanarak komutlar elde ediyordu. Araştırmacılar LAMEHUG örneğini inceledikten sonra yapay zekâ destekli zararlı yazılımların yaygınlaşacağı beklentisini daha yakından takip etmeye başladı.
Ryan Fetterman’ın daha sonraki incelemesi ise kamuya açık örneklerin sayısının başlangıçta beklenenden düşük olduğunu ortaya koydu. Araştırmacı yaklaşık bir yıl sonra yaptığı değerlendirmede araştırma amaçlı kavram kanıtları da dahil olmak üzere yalnızca dokuz civarında isimlendirilmiş zararlı yazılım ailesi tespit etti. CAIRN geliştirilirken yaklaşık 20 ek yapay zekâ entegre zararlı yazılım örneğinin ortaya çıkarılması, kamuya açık raporların gerçek faaliyetlerin tamamını yansıtmayabileceğini gösterdi.
Cisco Talos’un araştırması, yapay zekâ kullanan kötü amaçlı yazılımların henüz geniş çaplı ve standartlaşmış bir saldırı yöntemine dönüşmediğini gösteriyor. Araştırmacılar mevcut örneklerin önemli bölümünü deneysel faaliyetler kapsamında değerlendirirken farklı modellerin zararlı yazılımlara nasıl entegre edildiğine ilişkin daha geniş bir çeşitliliğin ortaya çıktığını belirtiyor. CAIRN tarafından tespit edilen yeni örnekler, saldırganların LLM servislerini farklı operasyonel amaçlarla denediğine dair erken bir gösterge oluşturuyor.
Siber güvenlik ekipleri açısından asıl değişim, LLM kullanımının zararlı yazılımın üretim aşamasından çalışma aşamasına taşınmasıyla ortaya çıkıyor. Yapay zekâ ajanlarının saldırı altyapısında karar verme, ortamı analiz etme veya sonraki eylemi seçme gibi görevlerde kullanılması yaygınlaşırsa geleneksel davranış tabanlı tespit yöntemlerinin kapsamının yeniden değerlendirilmesi gerekebilir. Güvenlik araştırmacılarının CAIRN gibi araçlarla yapay zekâ entegrasyonlarının bıraktığı teknik izleri araması, AI destekli tehditlerin erken aşamada sınıflandırılması açısından yeni bir araştırma alanı oluşturuyor.
