SecFlow’un AI Destekli Siber Casusluk Modeli: Koordinasyon Hızlandı, İnsan Operatörler Yerinde Kaldı

Hunt.io’nun bulgularına göre SecFlow, yapay zekânın tek başına sistemlere girip saldırı yürüttüğü “otonom korsanlık” örneğinden çok, insan operatörlerin yönettiği bir iş orkestrasyonu katmanıydı. Çerçeve; üst düzey bir hedefi keşif, güvenlik açığı doğrulama, istismar, veri toplama ve raporlama görevlerine ayırıyor, bu görevleri model destekli çalışanlara dağıtıyor ve ortak operasyon bağlamını koruyordu. Hedefleri ve yöntemleri insanlar belirlerken, erişim ve kalıcılık için bilinen saldırı teknikleri ile araçlar kullanıldı. 2

SecFlow ne yaptı?

Araştırmaya göre SecFlow; hedef ayarları, dosyalar, oturum geçmişi, proxy yönlendirmesi, üretilen kanıtlar ve rapor çıktıları gibi bilgileri çalışanlar arasında paylaşabiliyordu. Bu yapı, birbirinden kopuk istemler yerine yeniden kullanılabilir bir operasyon çalışma alanı sağladı. 2

Kurtarılan yapılandırmada, görev arayüzünü değiştirmeden Claude, Qwen ve DeepSeek etiketli profiller arasında geçiş yapılabildiği belirtildi. Model trafiği, niestools.com alan adı altındaki özel uç noktaların yanı sıra DeepSeek ve Alibaba DashScope/Qwen servislerine doğrudan giden yolları da içeriyordu. Bu karma yönlendirme, her işlemin resmî sağlayıcı API’leri üzerinden yapıldığı anlamına gelmiyor. 2

Hunt.io; Tayvan, Endonezya, anakara Çin ve Vietnam’daki kamu, eğitim, konsolosluk ve sanayi ortamlarının hedefler arasında bulunduğunu bildirdi. Bildirilen örnekler arasında Tayvan’daki Kuomintang Parti Tarihi Arşivleri, Endonezya Dışişleri Bakanlığı, Çin’de kamu ve eğitim sistemleri ile Vietnam’ın Da Nang kentindeki sanayi sistemleri yer aldı. 2

Yapay zekâ, geleneksel saldırı araçlarının yerini almadı

SecFlow’un rolü, yeni saldırı tekniklerini bağımsız biçimde keşfedip uygulamaktan ziyade geleneksel saldırı faaliyetini planlamak, sıralamak ve belgelendirmekti. Hunt.io; bilinen güvenlik açığı sınıfları, kamuya açık kavram kanıtı materyalleri, ele geçirilmiş kimlik bilgileri, betikler, web üzerinden erişilebilen ASPX bileşenleri, yükler ve özel implantlar içeren iş akışları gözlemledi. 2

Sızma sonrası kullanılan bileşenlerden biri, Hunt.io’nun web kabukları ve diğer araçlarla birlikte tespit ettiği Go tabanlı SecBox implantıydı. Mevcut kanıtlar, geleneksel araçların erişim ve operasyon kabiliyetini sağladığını; SecFlow’un ise bu araçların çevresindeki görev dağıtımını ve iş akışını yönettiğini gösteriyor. 2

Bu ayrım önemli: Yapay zekâ, tekrar eden araştırma ve doğrulama işlerinde koordinasyon maliyetini düşürebilir. Buna rağmen kampanya; operatör kararlarına, önceden mevcut istismarlara ve yerleşik kötü amaçlı yazılım tekniklerine bağımlı kalabilir.

Beş çalışma alanını bağlayan altyapı ve atıf sınırları

Hunt.io, açıkta bırakılmış beş saldırgan çalışma alanını ortak, kimlik doğrulamalı bir SOCKS uç noktası üzerinden ilişkilendirdi. Bildirilen bağlantılar arasında eşleşen dosya içerikleri, ortak SecFlow ve GLUTTON izleri, yeniden kullanılan hesaplar ve sahte MySQL ortamı ile ikinci aşama yük sunucusu arasındaki dağıtım ilişkisi bulunuyor. Araştırmacılar bu ortamların yapay zekâ orkestrasyonu, istismar testi, sahte MySQL serileştirme saldırıları, kimlik bilgisi denemeleri ve yük dağıtımı gibi farklı işlevlere hizmet ettiğini değerlendirdi. 2

Basitleştirilmiş Çince notlar ve diğer izler ile özel model hizmeti ve proxy hesaplarında tekrar eden Nie kullanıcı adı, faaliyetin Çince konuşan operatörlerle bağlantılı olduğu değerlendirmesini destekledi. Ancak bu göstergeler tek başına belirli bir kişiyi, grubu ya da devlet destekçisini kesin olarak ortaya koymuyor. 2

Kritik zafiyet: Apache Shiro yanlış pozitifinin yayılması

Kampanya, çok ajanlı sistemlerin temel risklerinden birini de görünür kıldı: Ara aşamadaki hatalı bir sonuç, ortak bellekte “doğru” kabul edilirse sonraki tüm görevlere yayılabilir.

Hunt.io’na göre bir çalışan, yeterli kanıt olmadan Apache Shiro istismarının başarılı olduğunu bildirdi. Sonraki GLUTTON görevleri bu iddiayı doğrulanmış gerçek gibi ele aldı ve 27’den fazla başarısız takip testine neden oldu. 2

Savunma ekipleri ve yüksek riskli ajan iş akışları geliştiren kuruluşlar için çıkarım açık: Görev yönlendirme ve ortak bellek sistemi hızlandırır, fakat doğrulanmamış bulguları da büyütür. Tespit aşamasından istismar, veri toplama ya da düzeltme kararlarına geçmeden önce bağımsız doğrulama eşikleri gerekir.

Fengtai Bölgesi vakasında doğrulananlar

Hunt.io, Fengtai Bölgesi’ndeki bir kamu ortamını incelediği materyaller içindeki en kapsamlı doğrulanmış ihlal olarak nitelendirdi. Rapora göre saldırganlar komut çalıştırma yetkisi elde etti, kamu ve sağlık kayıtlarına erişti, LSASS belleği ile Windows kayıt defteri kovanlarını topladı ve birden fazla Windows implantı yerleştirdi. 2

Araştırmacılar ayrıca yaklaşık 75,8 MB büyüklüğünde bir LSASS dökümünün bir OA ek deposuna konduğunu ve ortak proxy rotası üzerinden ASPX işleyicileriyle alındığını aktardı. Web üzerinden erişilebilen işleyiciler ile SecBox dâhil dağıtılmış implantlar, erişim veya kalıcılıkla ilişkili bileşenler olarak kanıtlarla destekleniyor. Buna karşılık, her implant için belirli bir hizmet, zamanlanmış görev ya da kayıt defteri çalıştırma anahtarı gibi kesin otomatik başlatma mekanizması raporlanan materyalde ortaya konmuş değil. 2

Önceki AI destekli kampanyalarla ilişkisi

Hunt.io, SecFlow faaliyetini Temmuz 2026’da yayımladığı ve şüpheli Çince konuşan operatörlerin dört ülkedeki kamu ve finans hedeflerine karşı Claude Code ile DeepSeek kullandığını belirttiği kampanyadan ayrı bir ikinci kampanya olarak tanımlıyor. İki kampanyanın altyapıları, araçları ve hedefleri farklıydı; ortak nokta, ticari yapay zekâ modellerinin operasyon bileşeni olarak kullanılmasıydı. 220

Vaka ayrıca Anthropic’in Kasım 2025’te açıkladığı, Anthropic’in GTG-1002 olarak adlandırdığı ve Çin devlet destekli olduğunu yüksek güvenle değerlendirdiği siber casusluk faaliyetiyle operasyonel benzerlikler taşıyor. Anthropic, bu kampanyada Claude Code’un yaklaşık 30 hedefe yönelik sızma girişimlerinde kullanıldığını; keşiften güvenlik açığı çalışmalarına, istismardan kimlik bilgisi erişimine, veri analizinden dışarı aktarıma ve dokümantasyona kadar birçok aşamada yapay zekâdan yararlanıldığını bildirmişti. 46

Ancak benzerlik, atıf anlamına gelmiyor. Mevcut raporlama, SecFlow operatörlerinin GTG-1002 olduğunu göstermiyor; Anthropic’in resmî Claude hizmetinin SecFlow faaliyetini doğrudan desteklediğini de kanıtlamıyor. Özel aktarıcılar ve karma API yapılandırması, bu ayrımın korunmasını gerektiriyor. 246

Genel sonuç

SecFlow vakası, yakın vadede görülebilecek pratik bir modeli işaret ediyor: Saldırganlar, geleneksel istismar ve kötü amaçlı yazılım altyapısını korurken birden fazla modeli değiştirilebilir planlama ve koordinasyon çalışanları olarak kullanabilir. Bununla birlikte vaka, yapay zekâ destekli faaliyetleri tamamen insansız otomasyon gibi sunmanın yanıltıcı olabileceğini de gösteriyor. Asıl kazanım daha hızlı görev ayrıştırma ve yineleme olabilir; en zayıf varsayımlar ise sıkı bir doğrulama süreci veya insan denetimi yoksa aynı hızla yayılabilir. 2