根據韓國資安公司 Genians 的最新研究報告，隸屬於北韓偵察總局（Reconnaissance General Bureau）的駭客組織 Kimsuky 已不再僅僅依賴公開的 AI 聊天機器人，而是開始在自身的伺服器上建立一套完整的離線 AI 技術堆疊。這意味著該組織正試圖將人工智慧深度整合進其攻擊工作流中，從自動化生成惡意程式碼到分析大量竊取資料，旨在提升攻擊效率並降低被偵測的風險。
背景與威脅演進
Kimsuky 長年以來一直針對政府機關、研究機構及戰略目標進行網路間諜活動，其核心手段是以社交工程為主的釣魚攻擊。過去，這類攻擊往往能透過語言不自然、翻譯生硬或格式粗糙等特徵被資安人員識破。然而，隨著生成式 AI 的普及，攻擊者可以輕易地生成極其自然且具說服力的誘餌郵件。
Genians 發現 Kimsuky 的策略已從單純地使用外部 AI 工具，演進到在私有基礎設施上部署離線 AI 系統。這種做法不僅能規避公開 AI 平台（如 ChatGPT）的內容審查與監控，更能確保其攻擊計畫與敏感資料不會洩漏給 AI 服務供應商。
核心技術構成與運作方式
研究人員在 Kimsuky 的基礎設施中發現了多款用於運行大型語言模型（LLM）的離線工具，包括 Ollama、GPT4All 以及 Msty。這些工具允許攻擊者在不連接網路的情況下，在本地伺服器上載入並執行開源 AI 模型。
其中最值得關注的是 GPT4All 的 LocalDocs 功能。這是一種檢索增強生成（Retrieval-Augmented Generation, RAG）技術。RAG 的核心作用是在模型生成回答之前，先從指定的私有文件庫中檢索相關資訊，再將其作為上下文提供給 AI，使模型能根據私有資料回答問題。Genians 在伺服器上發現了已配置的本地數據庫文件，顯示 Kimsuky 正嘗試將其掌握的機密文件與 AI 連結，以實現高效的自動化資料分析。
除了模型運行環境，Kimsuky 還部署了開發者庫，例如 LLaMaSharp 以及微軟的 Semantic Kernel 和 Microsoft.Agents.AI。這些組件是用於將 AI 功能整合進自定義 C# 或 .NET 軟體中的開發框架，暗示該組織正嘗試開發內建 AI 能力的自定義惡意軟體。此外，他們還使用了 OpenAI 的 Whisper 語音轉文字工具，以及 AI 驅動的程式碼編輯器 Cursor，進一步強化其開發與情報分析能力。
攻擊脈絡與實務影響
這次發現的 AI 部署與一項名為 Operation GitPower 的行動密切相關。在該行動中，Kimsuky 利用 GitHub 儲存庫作為指令控制伺服器（C2），透過 LNK 快捷方式觸發 PowerShell 腳本，最終植入偽裝成圖片文件的 AsyncRAT 遠端存取木馬（Remote Access Trojan）。
當 AI 被引入這個流程後，對防禦者將產生顯著影響。首先，傳統基於內容特徵的釣魚偵測將失效，因為 AI 能消除拼字錯誤並精準模仿目標對象的語氣。其次，AI 輔助的程式碼開發能讓惡意軟體地更快速地迭代，繞過現有的特徵碼偵測。
Genians 提醒資安人員，由於誘餌內容已變得不可信，防禦重點必須從分析郵件內容轉向監控端點行為。具體建議包括關聯分析 LNK 文件的執行、PowerShell 的異常活動、隱藏的排程任務以及異常的 GitHub 流量，而非僅僅判斷釣魚郵件是否看起來夠專業。
限制與現狀分析
儘管 Kimsuky 已經搭建起這套離線 AI 堆疊，但 Genians 指出，目前尚未發現該組織自行訓練大型模型的證據。目前的狀態更傾向於研究與知識獲取階段，即透過組合現有的開源工具來優化其攻擊流程。
此外，雖然發現了 RAG 數據庫與分析請求的痕跡，但目前尚無法確定這些 AI 工具是否已在實際的受害者攻擊中全面投入運作，也缺乏具體的受害者數量統計。這顯示 Kimsuky 仍處於基礎設施建設與測試階段，尚未將 AI 完整地自動化到整個攻擊鏈條中。
然而，從 2025 年 Kimsuky 使用 AI 生成韓國軍方身分證件照片的案例來看，該組織將 AI 應用於社交工程的能力已在持續增強。此次離線 AI 堆疊的建立，預示著未來網路間諜活動將進入一個準備速度更快、隱蔽性更高且分析能力更強的新階段。
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。