Come i gruppi hacker legati alla Cina usano DeepSeek per scalare gli attacchi

Secondo la società di ricerca taiwanese TeamT5, i gruppi informatici affiliati allo Stato cinese hanno più che raddoppiato il volume dei loro attacchi dopo aver integrato DeepSeek e altri modelli di IA open source nelle operazioni. I modelli vengono impiegati per automatizzare attività ripetitive e contribuire allo sviluppo di software malevolo più avanzato, rendendo le campagne esistenti più rapide e facili da replicare su larga scala. 13

I dati non indicano che l’IA stia sostituendo gli hacker esperti. Mostrano piuttosto come modelli economici e framework basati su agenti possano automatizzare alcune fasi del lavoro offensivo: dalla ricognizione alla ricerca degli exploit, fino alla ripetizione dei tentativi di attacco. Gli operatori umani continuano a scegliere gli obiettivi e a impartire le direttive. 115

Perché DeepSeek interessa agli attaccanti

I ricercatori citano quattro fattori principali:

• Prestazioni: il modello è ritenuto sufficientemente efficace nei compiti di programmazione e ragionamento utili alle operazioni informatiche.
• Personalizzazione: i modelli open source o più facilmente accessibili possono essere adattati e collegati agli strumenti controllati dagli attaccanti.
• Costi inferiori: il prezzo è decisivo quando si vogliono eseguire attività ripetitive su un numero elevato di sistemi. 16
• Meno protezioni contro gli abusi: TeamT5 e Unit 42 descrivono DeepSeek come dotato di salvaguardie relativamente deboli rispetto alle richieste di cybersicurezza offensiva. 315

La combinazione è importante soprattutto dal punto di vista operativo. Un modello non deve necessariamente scoprire una vulnerabilità inedita per risultare utile: può aiutare a cercare sistemi esposti, modificare codice di exploit pubblico, interpretare i risultati tecnici e decidere quale passaggio di routine tentare in seguito.

Come vengono usati i modelli

Le ricostruzioni disponibili descrivono gruppi collegati alla Cina mentre utilizzano DeepSeek, ChatGPT e Claude Code per la ricognizione, la creazione o l’adattamento di exploit, l’automazione e lo sviluppo di codice malevolo. In alcuni attacchi contro aziende e istituzioni straniere viene citato anche il movimento laterale, cioè il passaggio da un sistema compromesso ad altri dispositivi della stessa rete. 3

Le fonti parlano generalmente di attori affiliati allo Stato o legati alla Cina nel loro insieme. Non attribuiscono in modo affidabile ogni singolo utilizzo dell’IA a uno specifico gruppo APT — una categoria che indica campagne persistenti e mirate — quindi gli esempi non dimostrano che tutti i gruppi cinesi adottino lo stesso modello o la stessa procedura. 13

ChatGPT e Claude Code: utili, ma frenati dai controlli

Strumenti commerciali come ChatGPT e Claude Code possono assistere alcune fasi di un’operazione malevola. Tuttavia, i controlli di sicurezza imposti dai fornitori possono bloccare richieste esplicite di attacco informatico.

Nel caso esaminato da Unit 42, l’operatore avrebbe testato strumenti occidentali e riscontrato che le loro protezioni impedivano di eseguire un compito d’attacco autonomo. DeepSeek è stato quindi scelto come principale modello di ragionamento. 1415

Il confronto non significa necessariamente che un modello sia sempre più capace di un altro. La differenza riguarda anche il modo in cui viene distribuito: DeepSeek è stato collegato a un framework open source senza le stesse restrizioni applicate lato client dai servizi commerciali, permettendo al modello di operare dentro una catena di strumenti controllata dall’attaccante. 15

La campagna Hermes Agent contro oltre 460 sistemi

In un’indagine separata, Palo Alto Networks’ Unit 42 ha documentato l’attività di un attore di lingua cinese che utilizzava gli alias “knaithe” e “KnYuan”. L’operatore aveva configurato DeepSeek come motore di ragionamento di Hermes Agent, un framework open source capace di operare da terminale.

La configurazione permetteva all’agente di individuare vulnerabilità, recuperare codice di exploit pubblico e tentare di sfruttarlo con una supervisione umana limitata. 155

L’agente ha preso di mira più di 460 sistemi esposti su Internet. Secondo le ricostruzioni della campagna più ampia, almeno tre organizzazioni sono state violate sfruttando una vulnerabilità di Citrix NetScaler. Il dato dei 460 sistemi si riferisce agli obiettivi o ai tentativi, non a 460 compromissioni riuscite: l’operazione combinava attività autonome e tecniche convenzionali. 4

Questa distinzione è fondamentale. Il caso non dimostra che DeepSeek sia entrato da solo in centinaia di sistemi. Dimostra che un operatore ha usato l’IA per automatizzare la parte più ripetitiva dell’attacco: trovare obiettivi esposti, associarli a vulnerabilità note, recuperare materiale di exploit pubblico e passare rapidamente al candidato successivo.

Cosa significa per chi difende le reti

Il rischio più immediato è la scala. Quando un modello a basso costo viene collegato a un framework con accesso al terminale, attività che prima richiedevano molte ore di lavoro manuale possono essere ripetute su numerosi sistemi esposti. L’IA abbassa così la soglia operativa per la ricognizione e lo sfruttamento ad alto volume. 1615

Lo stesso episodio mostra però anche i limiti della tecnologia. Le compromissioni riuscite dipendevano da servizi esposti, vulnerabilità note e codice di exploit pubblico utilizzabile. L’IA ha aumentato la velocità e il numero dei tentativi, ma non è stata da sola la causa di ogni violazione. 515

Per i difensori, le priorità pratiche restano quindi quelle fondamentali: applicare rapidamente le patch ai prodotti esposti su Internet, eliminare le superfici di esposizione non necessarie e monitorare i segnali di ricognizione o sfruttamento automatizzati e anomali.

La lezione più ampia delle analisi di TeamT5 e Unit 42 è che gli attacchi assistiti dall’IA stanno diventando più economici, ripetibili e facili da scalare, anche quando le tecniche sottostanti sono già note.