Black Hat USA 2025 | Hackers Dropping Mid-Heist Selfies
三句話摘要
資安研究團隊利用雙層 LLM 流程，大規模分析竊密惡意軟體日誌中的螢幕截圖，自動識別感染向量與攻擊活動。 把分析師直覺拆解為獨立指令再餵給 LLM，是讓 AI 在資安領域真正落地的關鍵一步，而攻擊者在截圖中留下的「犯罪現場自拍」，恰好成為防禦方最直接的情資來源。 雙層 LLM 架構源於人類分析師的認知拆解
重點整理
重點- 1
雙層 LLM 架構源於人類分析師的認知拆解
- 2
單層 LLM 同時執行「視覺理解」與「專業判斷」兩項任務會失敗，因為人類分析師其實在腦中分兩步走：先看懂畫面內容，再套用領域知識辨識威脅。將這兩步拆成獨立的 LLM 層後，準確率大幅提升。
- 3
螢幕截圖對惡意軟體追蹤具備代碼無關的韌性
- 4
傳統惡意軟體分析依賴代碼簽名，但攻擊者會用加殼器與頻繁變種來規避。截圖分析是在感染發生後才介入，因此不受惡意軟體代碼變動影響，可跨不同家族持續追蹤同一攻擊活動。
- 5
威脅行為者持續沿用低技術心理戰術，因為它依然有效
- 6
兩起案例（Mid Journey 仿站、Java Blitz 閃電戰）都只用了假網站 + Google 廣告置頂 + 要求關閉防毒軟體三個步驟，即在全球大規模感染用戶，完全不需要技術漏洞。
- 7
IOC 狀態管理是落地應用的關鍵環節
- 8
大量 IOC 在發現時已失效，毫無防禦價值。針對檔案共享平台用 HTTP 狀態碼、YouTube 用影片有效性判斷，將 IOC 分為「活躍」、「失效」、「純主題」三類，才能讓下游的響應行動有意義。
實用技巧與重點
乾貨- 規模數據
- 分析惡意軟體家族：超過 1,100 萬個
- 截圖總量：1,500 萬張
- 實驗評估樣本：1,000 張截圖
- 第一層 LLM 評估結果
- 場景描述準確率：96%
- 檔案瀏覽器與連結識別：100%
- 可疑元素識別：85%
- 瀏覽器分頁識別：僅 30%（後直接移除此功能，總體準確率不變）
- 成本與速度
- 每張截圖處理時間：5–10 秒
- 每張截圖 LLM 費用：0.3 美分（含兩層所有提示）
- 感染向量分布（截圖中最常見誘餌）
- 破解版辦公軟體（Microsoft Office、Adobe Photoshop）
- Vegas Pro、Mid Journey、Filmora 等創作軟體
- Fortnite、Valorant、Minecraft 遊戲外掛與皮膚
- 分發策略
- YouTube 教學影片：附下載連結、壓縮包密碼、強調「100% 安全」、要求關閉防毒
- Google 廣告：仿製官方網站並置頂於搜尋結果
- 案例：Java Blitz 閃電戰
- 感染持續時間：19 小時（2 月 11 日至 12 日，週末）
- 覆蓋國家：至少兩個（有不同語言版本的贊助廣告）
- 同一惡意域名被偽裝成 Java 官方下載頁面
- 兩大攻擊活動佔比
- Mid Journey 與 Java Blitz 合計佔所有感染案例的 5–6% 以上
- C2 基礎設施
- 主要平台：Telegram（訂閱制，每日提供感染 zip 壓縮包）
- 提及的惡意軟體家族：RedLine、Luma（C2 被關閉後活動量反而增加）
- 工具與平台
- LLM：OpenAI ChatGPT（GPT 系列）
- IOC 共享平台：VirusTotal
- 論文已發布於 arXiv（存檔可查）
- 下一代系統命名：Sherlog / Sherlock，預計投稿 Black Hat Europe
結論
結論“把分析師直覺拆解為獨立指令再餵給 LLM，是讓 AI 在資安領域真正落地的關鍵一步，而攻擊者在截圖中留下的「犯罪現場自拍」，恰好成為防禦方最直接的情資來源。”
完整解析
詳細竊密惡意軟體（Infostealer）的運作邏輯並不複雜：受害者下載一段偽裝成破解軟體的惡意程式並執行，程式便自動蒐集電腦上的帳密、加密錢包、密碼管理器內容與系統剪貼簿，打包後上傳至 Telegram。威脅行為者再以訂閱制方式在 Telegram 上出售這些「感染日誌」，每日一份 zip 壓縮包。這些日誌包含大量資訊，而其中的螢幕截圖格外引人注目——攻擊者原本是為了偵測沙箱環境或蒐集背景資訊才加入截圖功能，卻等同於在犯罪現場留下自拍照，讓防禦方得以從中拼湊出整個感染過程。
研究團隊擁有 1,500 萬張這樣的截圖，但逐張人工分析顯然不可行。他們決定以 LLM 自動化處理，但很快發現單層 LLM 效果不佳。原因在於：人類分析師看到一張截圖時，其實分兩個認知步驟運作——先「讀懂畫面」，再「套用經驗判斷威脅」。將這個過程壓縮成一個提示給 LLM，等於要求它同時完成兩件截然不同的事，導致輸出品質不穩定。解決方案是雙層架構：第一層負責視覺描述（主要內容、檔案名稱、可見連結、可疑元素），輸出格式化文字後交給第二層，由第二層依據領域知識識別感染向量與主題（如「檔案共享平台 + Microsoft Office 破解版」）。以 1,000 張截圖評估，第一層整體表現良好，唯一例外是瀏覽器分頁識別只有 30% 準確率；團隊嘗試移除這個欄位後發現最終結果不受影響，遂直接刪除，節省了工程成本。
流程的另一個挑戰是 IOC 狀態管理。許多連結在被分析時已失效，若直接丟給安全團隊響應，會浪費大量資源。團隊針對不同平台設計了差異化的檢查邏輯：檔案共享平台（如 Mega）依 HTTP 狀態碼與錯誤訊息判斷有效性，YouTube 影片則依影片是否仍可播放、描述中是否還有下載連結來分類。如此可將 IOC 分成「活躍可阻擋」、「失效僅存檔」、「僅剩主題供追蹤」三類，讓下游的封鎖與引爆行動更有效率。
在攻擊活動分析層面，團隊在數萬張截圖中識別出兩個最具代表性的案例。「Mid Journey 仿站」活動利用 Google 廣告將仿製的 Mid Journey 官網置頂，誘導用戶關閉防毒軟體後下載惡意可執行檔；「Java Blitz 閃電戰」則以至少兩種語言版本的仿 Java 官網廣告，在一個週末的 19 小時內完成全球感染，週末被刻意選中，因為使用者警覺性低且企業安全團隊響應較慢。兩起活動的共同邏輯是：瞄準主流軟體（受害者基數最大）、複製官方網站、投放廣告置頂、心理操控（要求關閉防毒），完全不依賴任何技術漏洞。整套系統的運行成本每張截圖僅 0.3 美分，處理 5-10 秒，具備規模化部署的可行性。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
