شناسایی بدافزار اندرویدی Bazuka با قابلیتهای هوش مصنوعی و کنترل از راه دور
Bazuka Android Malware Uses Fake Screen Overlays to Hide Credential Theft and Device Control
محققان امنیتی بدافزار جدیدی به نام Bazuka را شناسایی کردهاند که با استفاده از مدلهای زبانی بزرگ (LLM) به مهاجمان در مدیریت قربانیان و سرقت اطلاعات کمک میکند. این بدافزار با بهرهگیری از تکنیکهای پیشرفته پوششدهی صفحه و دسترسیهای ADB، کنترل کاملی بر دستگاههای اندرویدی به دست میآورد.
ساختار و عملکرد فنی Bazuka
بدافزار Bazuka یک چارچوب کامل شامل دانلودر، هسته مرکزی و ۲۳ ماژول تخصصی است که قابلیتهایی نظیر ثبت کلیدها (Keylogging)، رهگیری پیامک، سرقت کدهای احراز هویت دو مرحلهای و کنترل از راه دور را فراهم میکند. یکی از ویژگیهای متمایز این بدافزار، استفاده از تکنیک پوششدهی (Overlay) است که با نمایش تصویر جعلی از صفحه اصلی یا قفل دستگاه، فعالیتهای مخرب در پسزمینه را از دید کاربر پنهان میکند.
هسته مرکزی این بدافزار با سوءاستفاده از سرویسهای دسترسی (Accessibility Services) و دستورات ADB، مجوزهای لازم را به صورت خودکار دریافت کرده و حتی قابلیت فعالسازی Wireless Debugging را برای برقراری ارتباط با سرور فرمان و کنترل (C2) دارد. این بدافزار همچنین دارای مکانیسمهای خودتخریبی برای پاکسازی ردپای خود در صورت شناسایی است.
نقش هوش مصنوعی و کانالهای توزیع
پنل کنترل Bazuka از مدلهای زبانی بزرگ برای تحلیل و امتیازدهی به قربانیان استفاده میکند تا مهاجمان بتوانند اهداف با ارزشتر را شناسایی کنند. این بدافزار از طریق تبلیغات در شبکههای اجتماعی، سایتهای جعلی و حتی جعل هویت برنامههای محبوبی مانند TikTok توزیع میشود. مهاجمان با استفاده از این پنل میتوانند دراپرهای سفارشی بسازند که با دور زدن فرآیندهای بررسی فروشگاه Google Play، بدافزار را روی دستگاه قربانی نصب کنند.
مقایسه با بدافزار ArcticRAT
علاوه بر Bazuka، بدافزار دیگری به نام ArcticRAT نیز شناسایی شده که از هوش مصنوعی برای پردازش و پاکسازی دادههای سرقت شده از پیامکها و برنامههای مالی استفاده میکند. این بدافزار با استفاده از سرویسهای VPN، ترافیک شبکه را برای دور زدن Google Play Protect مسدود کرده و با پشتیبانی از ۱۲۹ دستور مختلف، کنترل کاملی بر دستگاه قربانی اعمال میکند.
نکتههای کلیدی
- استفاده از LLM برای مدیریت قربانیان و تحلیل دادههای سرقتی
- بهرهگیری از تکنیک Overlay برای پنهانسازی فعالیتهای مخرب
- سوءاستفاده از ADB و Accessibility Services برای کسب دسترسیهای سیستمی
- توزیع از طریق دراپرهای مخرب با ظاهر برنامههای قانونی مانند TikTok
- قابلیت سرقت ارزهای دیجیتال و اطلاعات بانکی از طریق ماژولهای تخصصی