Aurora 勒索軟體利用 AI 程式碼助手 Cursor 自動化攻擊，逾 20 家受害組織
資安公司 CloudSEK 與 TRM Labs 近日聯合揭露，勒索軟體組織 Aurora（亦稱 Aur0ra） 在過去三個月內，藉由 AI 程式碼助手 Cursor 規畫與執行攻擊，已波及 9 個國家、超過 20 家企業或機構。其中 17 個受害者 的網域層級已被取得互動存取權，另有 4 家 被列入 Aurora 的資料外洩網站。駭客甚至已收到 兩筆贖金，顯示攻擊已進入收費階段。
攻擊手法與技術細節
AI 助手自動化攻擊流程
研究人員發現，Aurora 團隊利用 Cursor（一款 AI 程式碼生成與輔助工具）與俄語對話，指示 AI 產生 可重複執行的 AD（Active Directory）入侵指引。這套指引可自動化取得企業內部網域的管理權限，之後由附屬小組部署勒索軟體並加密檔案。
AI 程式碼助手：類似 ChatGPT 的開發者工具，能根據使用者指令產生程式碼或腳本，提升開發或攻擊效率。
Zig 語言打造加密程式
Aurora 的加密模組是以 Zig 程式語言撰寫，分別編譯出 Windows 與 Linux/ESXi 兩個版本。兩者共用相同的原始碼，甚至在 Windows 版的二進位檔內嵌入 Linux 版的使用範例，證實其「一次開發、多平台」的策略。
Zig：相對新興的系統程式語言，以低階效能與安全性著稱，近年受到部分安全研究者青睞。
雲端儲存與傳輸機制
惡意程式從 Cloudflare R2（公開的 S3 相容儲存桶）下載，透過 SCP（Secure Copy Protocol） 安全複製至受害主機。此方式讓攻擊者能快速在全球多個目標間部署相同的加密檔案，降低操作成本。
目標篩選與地理排除
在與 AI 的對話中，駭客明確指示排除 獨立國家國協（CIS） 地區與國家，顯示其對政治或法律風險的考量。此舉亦使得攻擊分布更集中於其他經濟體，提升成功率。
受害範圍與影響
- 受害國家：截至 7 月，已確認的受害國包括美國、英國、德國、日本、澳洲等 9 個國家。
- 受害組織：超過 20 家企業與機構，其中 17 家的網域層級已被駭客取得互動存取權，意味攻擊者可在內部網路自由橫向移動。
- 資料外洩：已有 4 家受害者的機密資料被上傳至 Aurora 的公開洩漏平台，對企業聲譽與客戶信任造成雙重衝擊。
- 贖金收取：根據 TRM Labs 的區塊鏈分析，攻擊者已收到兩筆贖金，證實其勒索行為已進入收費階段。
未來展望與防禦建議
AI 助手的雙刃劍
Aurora 的案例顯示，AI 程式碼助手 不再是單純的開發工具，亦可能成為攻擊者的「自動化武器」。資安防禦必須將 AI 生成的程式碼視為潛在威脅，提升對異常腳本與自動化行為的偵測能力。
加強 AD 防護與零信任架構
- 最小權限原則：限制 AD 帳號的權限，避免一次入侵即取得全域管理權。
- 多因素驗證（MFA）：對所有管理帳號強制啟用 MFA，降低憑證被盜的風險。
- 行為分析：部署 UEBA（User and Entity Behavior Analytics）系統，偵測異常的橫向移動與權限提升行為。
監控雲端儲存與檔案下載
- 資源存取審計：對 Cloudflare R2 或類似的公有雲儲存桶實施存取日誌與異常下載警示。
- SCP 流量監控：在企業防火牆或 IDS/IPS 中加入 SCP 協定的流量分析，辨識非授權的檔案傳輸。
供應鏈安全與程式語言審查
- Zig 程式碼審計：雖然 Zig 本身安全性不錯，但任何新興語言的程式碼都應納入審查流程，避免惡意編譯產物混入正當軟體。
- 供應鏈可視化：追蹤第三方套件與開源元件的來源，防止惡意程式碼在供應鏈階段植入。
結語：Aurora 利用 AI 程式碼助手自動化勒索攻擊的手法，標誌著資安威脅的「智能化」趨勢。企業若仍以傳統的防禦思維應對，將難以阻止此類高度自動化的攻擊。未來，結合 AI 偵測、零信任架構 以及 供應鏈安全 的多層防禦，才是抵禦 AI 助手化勒索軟體的關鍵。