Catatan penting: Beberapa korban — TCS, HCLTech, dan lainnya — secara terbuka menyatakan bahwa mereka tidak menemukan bukti adanya peretasan langsung ke sistem mereka. TCS mencatat bahwa data yang dimaksud tampaknya sudah berusia lebih dari empat tahun dan terbatas pada informasi dasar karyawan . Ini mengindikasikan bahwa data mungkin merupakan agregasi dari kebocoran lama, paparan dari lingkungan mitra, atau akses melalui pihak ketiga, bukan peretasan baru ke masing-masing penyewa Azure perusahaan.
Dalam unggahannya, pelaku secara khusus menampilkan tangkapan layar portal Azure / Entra ID untuk membuktikan asal-usul data . Penting untuk dicatat, data tersebut tidak mencakup informasi keuangan pelanggan, kata sandi, atau dokumen bisnis rahasia.
Meskipun Hudson Rock belum merilis analisis akar penyebab yang definitif untuk kampanye ini, bukti dan pola dari threat actor lain menunjukkan beberapa vektor:
Kredensial yang disusupi dari malware infostealer adalah vektor utama yang paling mungkin. Infostealer seperti Lumma, RedLine, dan Vidar mengumpulkan kredensial yang tersimpan di browser, cookie sesi, dan token MFA. Investigasi paralel Hudson Rock terhadap threat actor "Zestix" menunjukkan bahwa pencurian kredensial dari log infostealer adalah metode masuk utama untuk eksfiltrasi data cloud, dan banyak perusahaan tidak menerapkan MFA di portal cloud mereka .
Pencurian cookie sesi memungkinkan pelaku melewati proses memasukkan kata sandi sama sekali. Infostealer menangkap cookie sesi aktif untuk Azure / Entra ID, sehingga pelaku dapat mengautentikasi sebagai pengguna korban, terkadang tanpa perlu melewati MFA .
MFA yang lemah atau tidak ada masih menjadi faktor kunci. Laporan Hudson Rock pada Januari 2026 menemukan bahwa lusinan organisasi mengalami pencurian data dari sistem cloud justru karena mereka tidak menerapkan MFA di portal administratif .
Penyalahgunaan integrasi pihak ketiga adalah kemungkinan lain. Konteks yang lebih luas mencakup insiden rantai pasokan LiteLLM (Maret 2026), di mana sebuah gateway AI sumber terbuka yang disusupi mengekspos kredensial CI/CD untuk 2.488 organisasi . Beberapa perusahaan yang sama muncul dalam daftar korban TheHatman, meskipun hubungan langsungnya belum dikonfirmasi.
Meskipun tidak mengandung kata sandi atau data keuangan, direktori karyawan yang dicuri memungkinkan sejumlah serangan berdampak tinggi:
Kampanye TheHatman menjadi contoh nyata pergeseran struktural dalam lanskap kejahatan siber yang semakin cepat pada 2025–2026:
1. Ransomware menurun, pencurian data untuk pemerasan meningkat. Threat actor semakin sering melewatkan proses enkripsi. Mereka mengeksfiltrasi data terlebih dahulu, lalu mengancam akan mempublikasikan atau menjualnya jika tidak dibayar. Ini lebih cepat, lebih senyap, dan menghindari kerumitan operasional penyebaran ransomware di seluruh jaringan .
2. Kompromi cloud bertenaga kredensial menjadi TTP dominan. Vektor serangan utama bukan lagi eksploitasi perangkat lunak, melainkan kompromi identitas: malware infostealer dan phishing mengumpulkan kredensial valid dalam skala besar, yang kemudian digunakan pelaku untuk masuk langsung ke portal cloud (Azure, AWS, ShareFile, Nextcloud) sebagai pengguna sah . Pola serangan Zestix dan TheHatman hampir identik.
3. Initial access brokers (IAB) memasok ekosistem. TheHatman tampaknya beroperasi sebagai penjual data yang dieksfiltrasi, mirip dengan model IAB di mana aktor khusus fokus pada akses, bukan pada tahap serangan selanjutnya. Spesialisasi ini menurunkan hambatan masuk bagi pelaku kriminal di hilir .
4. Amplifikasi rantai pasokan. Insiden LiteLLM menunjukkan bagaimana satu kompromi pada alat AI sumber terbuka dapat mengekspos kredensial bagi ribuan perusahaan di hilir . Pelaku kini menargetkan integrasi pihak ketiga yang banyak digunakan untuk memaksimalkan jangkauan korban.
5. Direktori karyawan sebagai komoditas. Alih-alih menargetkan kartu kredit atau catatan medis, threat actor memonetisasi metadata organisasi (nama, jabatan, hierarki) karena memungkinkan social engineering dengan keyakinan tinggi dalam skala besar — sebuah strategi berisiko rendah namun bernilai tinggi dibandingkan pencurian data tradisional .