Исследователи из ИТ-лаборатории Bitsight TRACE опубликовали масштабное расследование деятельности китайского синдиката Fengwo Group (он же Fuyao Enterprise).

Эти ребята построили гигантскую ботнет-сеть из 120 000 зараженных Android-устройств. Они научили обычные ТВ-приставки притворяться премиальными смартфонами, внедрили туда компьютерное зрение и заставили круглосуточно имитировать поведение живых людей, чтобы воровать миллионы долларов у рекламных сетей.

Но самое смешное в этой истории- мошенники управляли своей империей с помощью Blockly- визуального языка программирования, созданного Google для обучения маленьких детей кодингу.

Случайная находка: как "ожили" смартфоны

Как это часто бывает в ИТ, расследование началось случайно. Аналитики Bitsight изучали дешевые Android-приставки и обнаружили в их прошивках заводскую уязвимость- скрытый удаленный доступ с полными Root-правами, оставленный разработчиками "для тестов". Защитники перехватили управление сервером, куда приставки отправляли отчеты, и немного были в шоках.

В логах отображались не дешевые ТВ-боксы, а флагманские смартфоны: Xiaomi, Huawei, Vivo, Samsung. При этом у "смартфонов" внутри почему-то были запущены приложения для телевизионных экранов и лаунчеры приставок.

Оказалось, что миллионы No-name гаджетов приходят с китайских маркетплейсов уже "заряженными". В них прямо на заводе зашито вредоносное ПО, которое полностью подменяет личность устройства. Приставка за 2000 рублей начинает выдавать себя за дорогой телефон, чтобы клики по рекламе с неё стоили в разы дороже.

Программирование для самых маленьких хакеров

Вместо того чтобы нанимать штат дорогих программистов и вручную писать сложные скрипты автоматизации под каждый сайт, боссы Fuyao Enterprise поступили гениально. Они создали свой редактор на базе Blockly- детского конструктора кода, где программы собираются из разноцветных визуальных блоков (как в Scratch).

Благодаря этому клиент запускал сложнейшие алгоритмы обхода антифрод-систем, но управляли процессом обычные низкоквалифицированные сотрудники, которые просто собирали цепочки из готовых "детских" кубиков. Один из китайских разработчиков платформы прямо написал во внутренней документации:

Для создания базовых шаблонов нам требуется всего пара высококлассных специалистов. Все остальные операторы, создающие конкретные сценарии из этих шаблонов, имеют минимальные технические требования. Это колоссально снижает операционные издержки компании.

"Глаза" и логика для робота

Стандартные боты часто ломаются, если владелец сайта немного меняет дизайн или двигает баннер. Китайцы решили эту проблему радикально: они встроили в Script-приложение на приставках предобученную нейросеть компьютерного зрения YOLOv8s.

Нейросеть выступает в роли глаз бота. Она обучена распознавать 12 типов объектов на веб-страницах. Бот заходит на сайт, сканирует интерфейс как человек, находит рекламные виджеты (система отдельно натаскана на баннеры сетей Google AdSense и Taboola) и имитирует поведение реального пользователя: водит мышкой, листает статьи и делает паузы перед кликом.

Сколько приносит "бесплатный" интернет

Мошенники развернули гигантскую сеть сайтов-пустышек на разные тематики (финансы, здоровье, еда), тексты для которых генерировал ИИ. На этих сайтах они разместили официальные рекламные коды. Зараженные приставки заходили на эти страницы и круглосуточно накручивали просмотры и клики.

Математика заработка оказалась фантастической. По консервативным оценкам исследователей, если каждая приставка делает всего 10 кликов в день по цене 10 центов, плюс CPM за показы, одно устройство приносит около $1.25 в сутки.

При заявленном масштабе сети в 120 000 "цифровых людей" этот подпольный бизнес генерирует до $150 000 в день. Чистая прибыль империи Fuyao достигает $40 миллионов в год.

В качестве бонуса, пока хозяин приставки смотрит телевизор, гаджет работает тихо. Но стоит выключить экран (вытащить кабель HDMI), как приставка тайно запускает прокси-сервер, продавая ваш домашний интернет-канал коммерческим провайдерам резидентных прокси в даркнете.

Аналитикам удалось полностью отследить финансовые потоки мошенников через shell-компании в Сингапуре и вывести их на реальное юридическое лицо в материковом Китае- Zhejiang Fengwo IoT Technology Co., Ltd. Самое ироничное, что эта фирма официально зарегистрировала патенты на алгоритмы, которые один в один совпадают со скрытым кодом внутри вредоносных ТВ-боксов.

Как проверить свой телевизор? Список "группы риска"

Аналитики из Human Security составили список No-name брендов, которые чаще всего приходят с китайских заводов со скрытыми бэкдорами Если у вас или у ваших родителей дома стоит одна из этих моделей, то велика вероятность, что она прямо сейчас сдает ваш Wi-Fi в аренду хакерам:

• H96 MAX (все версии)

• X96 MAX Plus

• Семейство T95 и T95Z Plus

• MXQ Pro 4K

• Детские планшеты серий Babypad и Q88

источники:

https://www.bitsight.com/blog/fuyao-enterprise-building-ad-f...

https://www.humansecurity.com/company/satori-threat-intellig...

Пока в сети спорят, заменит ли нейросеть программистов, в сфере кибербезопасности зафиксирован тектонический сдвиг. Искусственный интеллект официально вышел на тропу войны. Исследователи из Unit 42 опубликовали разбор первой в истории полностью автономной хакерской кампании, которой управлял ИИ-агент под управлением китайской языковой модели.

Что самое примечательное в этой истории - ИИ продемонстрировал пугающую логику и скорость принятия решений, но в итоге погорел на детской ошибке, случайно выставив всю хакерскую инфраструктуру напоказ в интернете.

Конвейер взлома: как ИИ координировал атаку

За операцией стоял китайскоязычный хакер, работающий под псевдонимами knaithe и KnYuan. Он не писал эксплойты вручную и не сканировал порты. Вместо этого он собрал автономную атакующую платформу на базе опенсорсного фреймворка Hermes Agent, а в качестве "мозга" системы подключил через API популярную китайскую модель DeepSeek.

Чтобы у модели не срабатывали встроенные этические фильтры и запреты на хакерскую деятельность, в нее загрузили кастомный модуль godmode для автоматического джейлбрейка .

Цепочка автономного шпионажа работала через Telegram-бота следующим образом:

1. Хакер ставил задачу в одну строчку (например, «найти и взломать уязвимые серверы в определенном регионе»).

2. DeepSeek через поисковый движок киберпространства FOFA самостоятельно искал потенциальные цели.

3. ИИ оценивал тип запущенного на сервере софта, сам шел на GitHub, скачивал свежие публичные эксплойты (PoC) и запускал атаку без какого-либо участия человека.

Смена тактики на лету: ИИ умеет оценивать неудачи

Пугающая эффективность ИИ проявилась на этапе, когда первоначальный план взлома провалился. Сначала DeepSeek нашел критическую уязвимость в платформе Langflow (CVE-2026-33017) и автоматически атаковал 84 цели. Но защита серверов оказалась настроена грамотно- там была отключена функция автоматического входа.

Любой обычный бот-скрипт зациклился бы или остановился. Но ИИ за секунды проанализировал логи ошибок, оценил ситуацию и выдал в системный чат абсолютно осознанный вердикт:

Все три цели Langflow требуют публичный flow ID, но функция auto_login отключена — мы застряли. Количество живых развертываний в сети слишком мало (всего 84 штуки), вероятность успешного взлома близка к нулю. Прекращаем операцию, переходим к поиску более масштабных уязвимостей.

После этого ИИ полностью сменил тактику. Он зашел на GitHub, отсортировал самые популярные трендовые уязвимости 2026 года по количеству звезд от разработчиков и самостоятельно выбрал новую цель- платформу автоматизации n8n, у которой в базе FOFA числилось более 640 000 открытых серверов по всему миру. ИИ сам скачал свежий эксплойт, связывающий две критические бреши (CVE-2026-21858 и CVE-2025-68613), определил диапазон уязвимых версий софта и запустил параллельное сканирование еще 50 живых серверов.

Весь этот глубокий аналитический цикл, на который у человека ушли бы дни, ИИ провернул за несколько минут, параллельно контролируя затраты на свои собственные токены API, чтобы сэкономить деньги хакера.

Как восстание машин погорело на глупости

Кампания была остановлена не потому, что её заблокировал суровый фаервол, а из-за архитектурного бага в логике самого ИИ-агента.

Получив очередную команду из Telegram, автоматический фреймворк Hermes Agent должен был поднять временный тестовый веб-сервер для проверки связи. Но из-за ошибки в коде ИИ запустил стандартную команду python3 -m http.server 8888 не в изолированной закрытой папке, а прямо в корневом домашнем каталоге хакера (/home/worker).

Порт 8888 оказался открыт на весь интернет. Проводя плановый мониторинг сети, аналитики Unit 42 наткнулись на этот сервер и обнаружили, что уязвимый ИИ-робот выставил напоказ абсолютно всю подноготную хакера: конфигурационные файлы, Bash-историю команд, приватные API-ключи от моделей DeepSeek, Qwen и Claude, списки атакованных серверов и, самое главное, полные текстовые логи размышлений нейросети во время проведения атак.

Директор по оборонным исследованиям Palo Alto Networks Энди Пьяцца (Andy Piazza) так прокомментировал этот прецедент:

Значимость этого инцидента кроется не в исходе конкретной атаки, а в самой траектории развития киберугроз. Автономные атакующие циклы под управлением ИИ официально стали жизнеспособными. Margin of failure - маржа их ошибки- оказалась ничтожно мала. Взломы сорвались только из-за жестких настроек аутентификации на стороне жертв. Но этот же ИИ продемонстрировал уникальный побочный эффект: автономность порождает новые риски для самих хакеров, создавая такие следы и форензик-артефакты, которые никогда бы не возникли при ручной работе человека.

Разработчики DeepSeek уже ограничили возможность генерации вредоносного кода. Но модель с открытым исходным кодом можно запустить локально без цензуры.

Это гонка вооружений: если атакующие используют ИИ, то и защитникам придётся нанимать ИИ-аналитиков.

источник: https://unit42.paloaltonetworks.com/autonomous-ai-cyber-atta...

Весь последний год индустрия спорит, не обрушит ли ИИ интернет: модели научились самостоятельно рыться в чужом коде и находить в нём дыры. Компания VulnCheck подвела итоги первого полугодия 2026 — и главный вывод оказался неожиданным. Проблема не в том, что ИИ находит слишком опасные уязвимости. Проблема в том, что он находит их быстрее, чем люди успевают разбирать.

Воронка, которая никуда не ведёт

Самый показательный пример — Project Glasswing у Anthropic. Система выдала 23 019 подозрительных мест в чужом коде. Официальными уязвимостями с номером CVE из них стали 126. А в реальной атаке засветилась ровно одна. Остальные почти двадцать три тысячи находок так и остались нерассмотренными: до статуса признанной уязвимости они не дошли. Патрик Гэррити из VulnCheck называет этот реестр раскрытий застопорившимся — заявок много, а разбор упирается в людей.

Находки ИИ не опаснее человеческих

По индустрии в целом цифры такие: за полгода с помощью ИИ нашли 1061 уязвимость, и по 14 из них зафиксированы настоящие атаки на живые системы. Это 1,3% — ровно та же доля, что и у дыр, найденных обычными исследователями без всякого ИИ. То есть никакого особого «ИИ-эффекта» в данных нет: уязвимость, найденная нейросетью, не становится от этого более лакомой для взломщиков.

Важно понимать, что значит «эксплуатируется». VulnCheck отслеживает атаки собственными ханипотами — уязвимыми серверами-ловушками в интернете — и по внешним сообщениям. Если по дыре зафиксирована атака, она получает статус KEV. По остальным 1047 таких подтверждений просто нет. Пропатчены они уже или всё ещё открыты — из этих данных не следует, отчёт такой разбивки не даёт.

Что действительно ускорилось

Настоящее изменение — в скорости атак на уже известные дыры. Медиана от публикации уязвимости до первого зафиксированного взлома упала со 120 дней в 2025 году до 80 дней в первом полугодии 2026-го. Почти четверть уязвимостей атакуют в день раскрытия или даже раньше. Всего за полгода набралось около 500 известных эксплуатируемых уязвимостей, и треть всех атак приходится на движки обычных сайтов.

Оговорка, без которой картина неполная

Модели-искатели работали не весь отчётный период: Project Glasswing запущен в апреле, MDASH и Daybreak — в мае 2026 года. То есть у значительной части находок физически было мало времени, чтобы всплыть в атаках. Вывод Гэррити звучит осторожно: ИИ-поиск уязвимостей полезен и атакующим, и защитникам, но пока переоценён относительно того, что видно в данных, — влияние реальное, но скромное.

Складывается парадокс: инструмент, который должен был сделать интернет безопаснее, завалил защитников тысячами сигналов. И теперь главный дефицит — не находки, а люди, способные их проверить.

🔗 Источник: VulnCheck

🎯 НЕЙРО-ПУШКА ● Новости и обзоры нейросетей