Cisco Talos Membuka Sumber CAIRN untuk Memburu Malware Terintegrasi AI

Cisco Talos pada 22 September 2026 merilis CAIRN (Cognitive Artifact Intelligence Research Network), sebuah toolkit riset sumber terbuka untuk memburu, mengklasifikasikan, dan melacak malware terintegrasi AI yang muncul. Seri temuan yang menyertainya dibuka dengan CLOSEDQUORUM, yang menurut Talos merupakan, sejauh pengetahuannya, implant Windows pertama yang terdokumentasi secara publik yang mendelegasikan keputusan taktis command-and-control (C2) kepada panel model bahasa besar (LLM) komersial.

Toolkit tersebut dirinci dalam posting blog Talos yang ditulis oleh Ryan Fetterman. Talos mendefinisikan malware terintegrasi AI sebagai malware yang secara fungsional mengoperasionalkan, secara eksplisit menargetkan, atau mengeksploitasi sistem AI dan ekosistemnya, mencakup integrasi fungsional ke dalam rantai serangan, kompromi kredensial dan infrastruktur, serta penyalahgunaan tingkat ekosistem. Metodologi ini memperlakukan jejak yang ditinggalkan integrasi di dalam alat penyerang, seperti templat prompt, endpoint penyedia, kunci API, dan istilah jailbreak, sebagai artefak kognitif yang dapat diekstrak, dikaitkan, dan diklasifikasikan tanpa menyentuh biner yang mendasarinya. Nama tersebut mengacu pada penanda batu bertumpuk yang ditinggalkan pendaki di jalur; premis Talos adalah bahwa penyerang yang membangun kelas malware ini meninggalkan penanda serupa milik mereka sendiri.

Arsitektur Metadata-First dan Strategi Pemburuan

CAIRN beroperasi sepenuhnya dari metadata, tanpa mengunduh atau mengeksekusi biner, menggabungkan deteksi berbasis aturan, pengelompokan semantik, dan penelusuran grafik hubungan. Lapisan penjelajahnya membangun grafik terstruktur dari hubungan artefak kognitif untuk membantu pembela mengidentifikasi keluarga malware terkait, infrastruktur, dan pelaku ancaman.

Sampel kandidat ditemukan melalui hingga 24 filter akuisisi, masing-masing menargetkan jenis artefak terkait AI yang berbeda pada string yang diekstrak, perilaku sandbox, dan label deteksi antivirus. Contoh yang didokumentasikan meliputi provider-api-integration, yang mencari string endpoint penyedia LLM seperti api.openai.com, api.anthropic.com, api.deepseek.com, dan Generativelanguage.googleapis.com; python-ai-scripts, yang mencocokkan impor kerangka kerja AI termasuk langchain, litellm, dan openai; ai-analysis-evasion, yang mencari string teks yang secara eksplisit ditujukan kepada sistem analisis AI; local-llm-runtime, yang menandai indikator inferensi lokal seperti ollama, llama.cpp, vllm, gguf, dan safetensors; serta agentic-tooling, yang mencari sintaks pemanggilan alat yang muncul bersamaan dengan istilah kemampuan ofensif.

Hasil yang diperoleh disimpan dalam korpus SQLite, dengan aturan YARA dijalankan secara otomatis pada saat impor di bawah ontologi tiga lapisan: aturan T1 menetapkan bahwa artefak AI primitif hadir, aturan T2 menambahkan konteks perilaku dengan mengidentifikasi kombinasi artefak yang menunjukkan penggunaan AI secara operasional, dan aturan T3 melakukan atribusi keluarga menggunakan sidik jari operasional yang terkonfirmasi. Alih-alih memindai biner mentah, CAIRN membangun “scan text” untuk setiap sampel dari nama file, string deteksi antivirus, string sumber daya PE ExifTool, hasil analisis Sigma, data perilaku sandbox, dan objek hubungan, sehingga setiap temuan aturan dapat dilacak ke bidang metadata VirusTotal yang bernama. Repositori mencantumkan 26 aturan berlapis (sembilan T1, delapan T2, dan sembilan T3) dan 27 saluran akuisisi bernama, tiga di antaranya dinonaktifkan.

CAIRN mendukung empat strategi analisis: filter akuisisi untuk memperluas korpus, pivot berbasis hubungan, triase dan klasifikasi berbasis YARA, serta penemuan semantik. Pivot berbasis hubungan memperluas dari sampel yang diminati melalui grafik metadata untuk menampilkan varian tambahan, infrastruktur bersama seperti domain, alamat IP, sertifikat, dan server C2, serta muatan pendamping dalam kampanye yang sama. Setelah perubahan aturan apa pun, perintah rescan menerapkan kembali ketiga lapisan secara offline terhadap seluruh korpus tanpa panggilan API atau pengunduhan ulang, sehingga aturan T3 baru secara retroaktif mengatribusi sampel yang sebelumnya diperoleh ke keluarga yang terkonfirmasi. Penemuan semantik mengkodekan teks pemindaian setiap sampel dengan model embedding dan mengelompokkan korpus menggunakan HDBSCAN dan UMAP. Talos memperingatkan bahwa keanggotaan bersama dalam klaster merupakan sinyal kesamaan lemah yang menghasilkan petunjuk bukan kesimpulan, dan bahwa setiap klaster menarik memerlukan inspeksi per-sampel.

Temuan Awal dan Batasan yang Dinyatakan

Talos menyatakan bahwa perburuan CAIRN awalnya menargetkan pengembangan malware aktif sejak Juli 2025, ketika sampel terintegrasi AI pertama dilaporkan di lapangan dengan LAMEHUG, yang didokumentasikan oleh CERT-UA. Di antara sampel dan hubungan yang dikumpulkan, Talos melaporkan apa yang disebutnya sebagai lengkung peningkatan otonomi: progresi dari LLM sebagai fitur opsional menjadi orkestra konsensus multi-model yang sepenuhnya otonom tanpa operator manusia dalam satu tahun kalender.

Talos juga melacak teknik penghindaran analisis AI, teks penekanan bahasa alami yang ditujukan kepada sandbox LLM, ke seorang instruktur tim merah yang bernama, dan menyatakan bahwa teknik tersebut muncul dalam sampel aktor independen dalam waktu 12 bulan sejak penggunaan pertama yang terkonfirmasi di lapangan, melintasi dari skrip yang diinterpretasikan menjadi malware yang dikompilasi.

Talos memperingatkan bahwa temuan T1 dan T2 yang tidak memiliki integrasi AI yang sebenarnya cukup umum, dengan menyebut bundel PyInstaller, aplikasi berbasis Tauri-framework, dan struktur Go PE tertentu sebagai sumber kebisingan yang meningkat, serta menyatakan bahwa keputusan akhir untuk semua temuan masih memerlukan validasi melalui rekayasa balik. Ia menggambarkan CAIRN sebagai upaya riset bukan sebagai sinyal ancaman aktif murni, menjelaskan bahwa perburuan berbasis metadata pertama merupakan pelengkap yang dapat diskalakan bagi rekayasa balik tradisional.

CLOSEDQUORUM: Panel LLM sebagai Command and Control

Entri temuan pertama meneliti CLOSEDQUORUM, sebuah eksekutabel Windows 64-bit berukuran 16,4 MB yang dikompilasi dengan Go. Alih-alih menghubungi server yang dioperasikan penyerang secara khusus, implant memperlakukan hingga empat penyedia LLM komersial (DeepSeek, Qwen, Mistral, dan Google Gemini) sebagai infrastruktur C2‑nya, menyerahkan pemilihan aksi selanjutnya kepada panel dengan tujuan mengumpulkan kredensial pengguna dan dompet kripto. Model‑model tersebut dipanggil secara berurutan dan keputusannya ditentukan melalui voting pluralitas, dengan urutan pemecahan ikatan yang deterministik yang mengutamakan DeepSeek terlebih dahulu, kemudian Qwen, Mistral, dan Gemini.

Panel dibatasi pada skema keputusan JSON yang bertipe. Prompt sistem yang disematkan dalam biner, dikutip dalam Analisis Talos, menginstruksikan setiap model: “Anda adalah seorang ahli strategi malware tingkat lanjut. Berikan KEPUTUSAN yang dapat dieksekusi SAJA.” Bidang keputusan mengarahkan ke modul kemampuan: steal memicu dumping memori LSASS, pencurian kredensial peramban terhadap Chrome, Edge, dan Firefox, serta ekstraksi dompet kripto yang menargetkan MetaMask, Exodus, dan dompet Ethereum; inject mengarahkan ke proses hollowing atau injeksi Early Bird APC; persist menetapkan persistensi.

Materi yang dicuri dikirim dalam bentuk terenkripsi AES‑256‑GCM ke webhook Discord operator, dan implant dijalankan pada interval acak 5–15 menit sambil menekan telemetri ETW dengan menimpa fungsi EtwEventWrite menggunakan satu instruksi RET.

Talos menyatakan tidak memiliki konfirmasi tentang penyebaran di dunia nyata. Build distribusi publik berisi kunci API placeholder dan webhook dummy serta tidak berfungsi sebagaimana didistribusikan, sementara build pengembangan menampilkan webhook Discord operator dan kunci API LLM yang disuntikkan pada saat kompilasi. Artefak dari biner menghubungkan pengembang dengan postingan di forum kriminal terkait carding yang berawal sejak 2025. Jika beroperasi seperti yang dinilai, Talos mengatakan, CLOSEDQUORUM merupakan model kredensial‑sebagai‑layanan di mana pembeda utamanya adalah lapisan orkestrasi LLM otonom: operator menyebarkan biner, dan panel menjalankan serangan tanpa operator harus online.

Ketersediaan, Lisensi, dan Batasan Keamanan

CAIRN tersedia di GitHub di bawah Lisensi MIT, dengan hak cipta dimiliki oleh Cisco Systems. Ia memerlukan Python 3.11 atau lebih baru serta kunci API VirusTotal Intelligence, dengan kunci API PromptIntel opsional untuk sinkronisasi umpan IOC. Repositori tidak menyertakan basis data temuan SQLite milik Talos, karena alasan hak cipta; pengguna dengan kunci API VirusTotal dapat membangunnya kembali dari hash laporan yang dipublikasikan dan filter akuisisi.

Batasan keamanan yang dinyatakan meliputi tidak ada pengunduhan biner, tidak ada unggahan berkas ke VirusTotal, tidak ada pengajuan URL atau pemindaian aktif, dan tidak ada penarikan otomatis terjadwal. Repositori menyatakan bahwa semua atribusi keluarga dan penetapan arketipe yang dipublikasikan pertama kali dikonfirmasi melalui rekayasa balik langsung oleh Cisco Talos, dan tidak ada laporan keluarga yang dipublikasikan hanya berdasarkan bukti metadata. Taksonomi arketipe AI‑malware‑nya, yang mencakup kategori A0 hingga A11, mengklasifikasikan CLOSEDQUORUM di bawah C2 yang ditugaskan LLM. Talos mengatakan akan membagikan seluruh isi temuan awalnya seiring waktu, dan repositori mencatat bahwa keluarga tambahan telah dikonfirmasi namun ditahan menunggu publikasi.