Een vermoedelijke Russischsprekende cyberacteur wordt toegeschreven aan het gebruik van kunstmatige intelligentie (AI) om exploits te bedenken die zich richten op een onlangs onthuld paar beveiligingsfouten in PaperCut NG/MF en om in honderden instanties in te breken.
Volgens onafhankelijke rapporten van Blackpoint Cyber en GreyNoise is de activiteit afkomstig van “45.142.193(.)132”, een IP-adres dat de afgelopen weken is gekoppeld aan ongeoorloofde poortscans en brute-force aanvalspogingen. Het is vermeldenswaard dat hetzelfde IP-adres vorige week ook door Arctic Wolf werd gemarkeerd in verband met de exploitatieactiviteit.
“Op dit moment kunnen we het exacte einddoel van deze campagne niet bevestigen”, vertelde Nevan Beal, hoofd MDR-analist bij Blackpoint, aan The Hacker News. “De methodologie van de dreigingsactor komt overeen met de activiteiten op het gebied van initiële toegang, maar we hebben nog niet voldoende bewijs om te bevestigen of ze opereren als een makelaar voor initiële toegang.”
In de kern maken de opportunistische aanvallen gebruik van CVE-2026-81578 en CVE-2026-82078, een combinatie van een authenticatieomzeiling en uitvoering van code op afstand, om zich voornamelijk te richten op de onderwijssector in de VS, Groot-Brittannië, Frankrijk, Spanje, Canada, België, Portugal, Australië, Duitsland en Zwitserland.
“Waargenomen post-exploitatieactiviteiten omvatten de levering van tools voor het verzamelen van Windows-registerhives, Metasploit/Meterpreter-gerelateerde Java-payloads en opdrachten die worden gebruikt om hosts, gebruikers, processen en gevoelige configuratiegegevens te identificeren”, aldus Arctic Wolf.
GreyNoise zei dat het sinds begin juli 2026 het kwaadwillige gebruik van het IP-adres volgt voor het onderzoeken van internetgerichte systemen van verschillende leveranciers, waaronder Palo Alto, Ubiquiti, Citrix, SonicWall en Proxmox VE.
“Als onderdeel van de ontwikkeling en het testen van exploits door de tegenstander, hebben ze een laboratoriumomgeving gebouwd en aangevallen die de kwetsbare PaperCut-software en een Active Directory-server omvatte”, aldus het bedrijf voor bedreigingsinformatie. “In parallelle workflows bouwde de tegenstander doellijsten met behulp van een internetscanservice Netlas.io met behulp van een geïdentificeerde API-sleutel.”
Na het verkrijgen van externe code-uitvoering en het verzamelen van inloggegevens binnen zijn zelf-gehoste laboratoriumomgeving, is waargenomen dat de bedreigingsacteur honderden AI-agenten heeft losgelaten die worden aangedreven door OpenAI Codex, een DeepSeek-model en openbaar beschikbare aanstootgevende beveiligingstools (bijvoorbeeld Mimikatz, SharpHound, Certipy, Rubeus en Impacket) om niet minder dan 440 exemplaren van PaperCut MF/NG, gehost door 395 geïdentificeerde slachtofferorganisaties in 48 landen, in gevaar te brengen.
“Er zijn nog andere echte slachtoffers die niet aan een genoemde organisatie kunnen worden toegeschreven”, voegde GreyNoise eraan toe. “De tegenstander heeft expliciet geprobeerd te voorkomen dat hij zich zou richten op entiteiten in 28 geïdentificeerde landen; uit onze waargenomen slachtofferpraktijken blijkt echter dat de poging tot terughoudendheid in sommige gevallen mislukte.” Enkele van de landen die aan de uitsluitingslijst zijn toegevoegd, zijn Rusland, China, Hong Kong, Thailand, Iran, Venezuela, Indonesië, Pakistan en Bangladesh.
De bevindingen komen in een tijd van grote bezorgdheid over de manier waarop AI-modellen slechte actoren in staat stellen om agentische capaciteiten te integreren in verschillende stadia van een aanvalslevenscyclus, en hen te helpen aanvallen op schaal te versnellen en uit te voeren.
Volgens GreyNoise evolueerde de aanvaller snel van een lege werkruimte naar de eerste uitvoering van code op afstand tegen een echt slachtoffer in iets minder dan vier uur, en bracht hij binnen 26 seconden minstens 11 organisaties in gevaar toen de campagne serieus begon. Bij één aanval gericht op een middelbare school in de VS bedroeg de tijd tussen initiële toegang en volledige toegang tot de domeinbeheerder slechts zeven minuten.
In totaal zou de tegenstander domeinbeheerderstoegang hebben verkregen tegen slechts twaalf slachtofferorganisaties. De einddoelen van de aanvaller blijven in dit stadium onduidelijk.
“Het is onduidelijk of deze actor zich uitsluitend richt op de ontwikkeling van toegang en die moet worden overgedragen aan andere aangesloten actoren, of dat zij hun toegang direct zullen gebruiken om vervolgdoelen te bereiken, zoals gegevensdiefstal of de inzet van ransomware”, aldus GreyNoise.
Er verschijnen meer details
Blackpoint, dat aanvullende details over dezelfde activiteit deelde, zei dat het deze terugvoerde naar een blootgestelde operatorinfrastructuur die de AI-ondersteunde workflow weergeeft, van onderzoek naar kwetsbaarheden en de ontwikkeling van exploits tot uitvoering via doelfiltering, foutanalyse, codewijzigingen en herhaalde pogingen.
“De vroegst herstelde activiteit begon op 31 augustus, waarbij het project zich richtte op onderzoek naar kwetsbaarheden en het vergelijken van gepatchte en niet-gepatchte PaperCut-builds”, schreven Beal en beveiligingsonderzoeker Sam Decker. “Binnen enkele uren was dat onderzoek omgezet in een multi-threaded validatietool die werd beoordeeld, getest en uitgevoerd tegen steeds grotere doelen.”
Het gebruik van AI door de bedreigingsactoren strekt zich ook uit tot de targetingpijplijn, waarbij de herstelde broncode fungeert als een trechter die meerdere bronlijsten samenvoegt, kandidaten geolokaliseert en filtert op land, het bovengenoemde uitsluitingsbeleid toepast en live PaperCut-systemen identificeert voordat ze naar de volgende fase gaan.
In de laatste fase worden de doelen gecategoriseerd per besturingssysteem en omgeving, en via afzonderlijke lijsten voor degenen die actief zijn, onbereikbaar zijn, specifieke fasen missen, in aanmerking komen voor post-exploitatieacties en wachten op een nieuwe poging, in plaats van elke mislukte poging als hetzelfde probleem te behandelen.
Als aanvulling op deze inspanningen zijn er Python-scripts die de latere fasen bijhouden en ervoor zorgen dat ze daadwerkelijk zijn voltooid. Deze omvatten taken zoals beheerderstoegang, accountverificatie, Active Directory-verzameling, domein- en netwerkdetectie en proxy-instellingen. Mislukkingen worden geregistreerd, waardoor het aanvalsraamwerk zijn aanpak kan aanpassen en verder kan gaan.
Het project kan het best worden begrepen als een project waarbij AI het steunpunt is waar de hele systeemarchitectuur om draait, waarbij kwetsbaarheidsonderzoek wordt getransformeerd in een exploitatiepijplijn via een aanhoudende feedbacklus die elke cyclus informeert. Het systeem wordt hierbij ondersteund door twee cruciale open-sourcetools:
Hindsight, dat een persistente geheugenservice biedt voor AI-agents AionUi, dat een uniforme grafische werkruimte biedt om meerdere AI-agents tegelijkertijd uit te voeren en te bekijken
De campagne laat zien dat bedreigingsactoren AI niet alleen gebruiken om te helpen bij de ontwikkeling van malware, maar ook om fouten op te lossen, de projectstatus te behouden en andere operationele aspecten te verbeteren, waardoor de handmatige inspanning die nodig is om een dergelijke aanval uit te voeren, wordt verminderd. Deze veranderingen hebben volgens het cyberbeveiligingsbedrijf een aanzienlijke impact op de economie van cyberaanvallen.
“De sterkste AI-impact in deze campagne was niet een nieuwe exploitatietechniek”, aldus Blackpoint. “Het was de vermindering van de menselijke inspanning die nodig was voor het onderzoeken, ontwikkelen, debuggen, classificeren, volgen, opnieuw proberen en continu verbeteren van de exploitatie van honderden echte systemen.”
“De operator maakte gebruik van een iteratief ontwikkelingsproces waarin AI-ondersteund onderzoek, codering, testen, probleemoplossing en campagne-uitvoering elkaar voortdurend informeerden. De context bleef behouden toen het project overging van kwetsbaarheidsonderzoek naar exploitatievalidatie, toolingontwikkeling, doeluitbreiding en uiteindelijk operationele uitvoering.”
