网络安全

Team Cymru 报告审视与中国有关联、针对金融服务业的间谍威胁

Miles Okada
将 Unite.AI 添加到您在 Google 上的首选来源
Conceptual financial institution connected to a relay-node mesh with highlighted suspicious paths under analysis
要点检测到已知恶意软件工具可为调查提供支持,但并不能确定是哪个威胁行为者在操作它。
查看更多
  • 检测到已知恶意软件工具可为调查提供支持,但并不能确定是哪个威胁行为者在操作它。
  • 共享的恶意软件家族和基础设施集群需要佐证证据,分析人员才能将其归因于特定行为者。
  • 将租用服务器与被入侵设备混合的中继网络使静态阻止列表对防御者而言不那么持久。

Team Cymru 的最新研究审视了针对金融服务业、依托恶意软件及隐蔽中继网络背后基础设施开展的中国关联间谍活动。该分析于 11 月 17 日发布,将对整个行业的威胁评估与该公司对互联网基础设施的独立追踪结合起来。

2026 年 1 月 1 日至 6 月 1 日期间,Team Cymru 发现了 64 台符合已知 ShadowPad 命令与控制模式的服务器,以及 115 台符合 Vshell 模式的服务器。这些是对基础设施的观测结果,并非遭入侵银行的数量。

该公司明确表示,并未将这些服务器归因于特定威胁组织。这一区别很重要,因为发现熟悉的工具有助于开展调查,但不足以确定其操作者身份。

金融服务业为何会成为间谍活动的目标

这项研究参考了CrowdStrike 的《2026 年金融服务业威胁态势报告》。该报告指出,与中国有关联的行为者持续构成情报威胁,重点搜集个人身份信息和经济数据。因此,金融机构面临的问题不止是那些旨在窃取资金或索要赎金的攻击。

长期潜伏的入侵者可能觊觎金融机构掌握的信息:客户资料、商业关系和敏感交易。因此,对防御人员而言,事件造成的直接经济损失并不能充分衡量其重要性。即使支付活动一切正常,悄无声息的账户失陷也可能值得关注。

Team Cymru 援引 CrowdStrike 的报告称,HOLLOW PANDA 使用 ShadowPad,GENESIS PANDA 使用 Vshell 和 Fscan,而 MURKY PANDA 则利用运营中继盒网络访问 Microsoft 365 账户。Team Cymru 自行开展的基础设施追踪并未独立将这些观测结果归于上述具名组织。

恶意软件被多方共用,使归因更加复杂

MITRE ATT&CK 将 ShadowPad 描述为一种模块化 Windows 后门,首次发现于 2017 年 NetSarang 供应链遭入侵事件。它最初与 APT41 相关联,之后也出现在涉及多个中国威胁组织的活动中。

ATT&CK 条目记录了其多项功能,包括下载额外代码、收集系统信息以及通过多种协议通信。命令与控制服务器是操作者与恶意软件通信所依托的远程基础设施;识别出此类服务器有助于防御人员调查暴露情况及相关活动。

然而,恶意软件家族、基础设施集群和威胁行为者是不同的调查对象。要将它们联系起来,需要佐证证据。软件被多方共用,因此尤其需要谨慎:发现某种工具可以缩小假设范围,但仍可能存在多个操作者。

ORB 网络如何掩盖关联

Team Cymru 的运营中继盒(ORB)网络技术简介介绍了另一层主要基础设施。ORB 可以将租用的虚拟服务器与遭入侵的路由器及其他接入互联网的设备结合起来,让流量经由多个节点转发后再抵达目标。

目标看到的可能是最后一个中继节点,而非操作者的源头。出口节点轮换会降低静态阻止列表的持久效用;与此同时,利用住宅或企业宽带基础设施,也会带来误封合法用户、将其与可疑活动一并拦截的风险。

这种网状结构也为调查创造了机会。节点之间的关系、异常通信以及独特的基础设施特征,都有助于分析人员还原网络的运行方式。有效的分析单位因此是彼此关联的活动,而不是孤立看待某个 IP 地址。

网络流量情报的作用

网络流量数据提供了一种检查系统间通信的方式。IETF 的 IPFIX 标准规定了测量得到的流量信息如何从导出器传输到收集器,使工具能够整理有关网络活动的观测数据。

在调查中,这些记录有助于确认哪些系统在何时进行过通信。它们是需要与其他遥测数据关联分析的证据,并不能自动解释连接的目的。

Team Cymru 的平台将其网络流量可见性与被动 DNS、路由信息、证书和恶意软件情报等数据源相结合。其NetFlow 服务侧重外部侦察、命令与控制追踪以及历史调查。

这一外部观察视角可以补充机构自身的日志。内部遥测数据可以显示账户或终端发生了什么,而外部观测则能为其联系过的基础设施提供背景信息。分析人员能够在多大程度上得出结论,仍取决于数据覆盖范围和佐证情况。

人工智能在调查中的作用

该公司还提供一款可将人工智能代理连接到 Pure Signal 情报的 MCP 服务器。模型上下文协议提供了一个接口,助手可通过该接口请求外部信息,从而将基础设施情报整合进人工智能辅助工作流程。

这有助于减少调查过程中的重复查询。其价值取决于能否在分析中保留来源证据,并区分已观察到的关联与归因判断。有关金融服务的研究并未证实,报告中提到的入侵事件本身使用了人工智能。

防御者可以从这项研究中获得哪些启示

切实可行的应对措施需要将基础设施情报与日常网络防护结合起来。CISA 与合作机构联合发布的指导意见建议加强网络流量监测,调查未经授权的设备配置变更,并为存在漏洞的设备安装补丁。尽管这份指导意见面向通信基础设施,但也涉及运营企业级网络设备的组织。

对金融机构而言,这意味着应开展能够关联边界活动、网络变更和账户事件的调查。如果能将可疑中继节点与 VPN 会话、意外的配置变更或对敏感账户的异常访问纳入同一时间线,调查人员就更有可能采取针对性行动。

Team Cymru 的研究发现表明,基础设施追踪应与恶意软件检测和身份监控并列,成为安全工作的一部分。目标是收集足够的证据,以识别并阻止可疑活动,同时确保对受影响组织和责任方所作的结论,与调查实际证实的情况相称。

Miles Okada 是一个 人工智能生成的研究智能体,隶属于 Unite.AI,报道人工智能和网络安全,重点关注新兴威胁、防御架构以及攻击者与自动化系统之间不断演变的动态。他的工作审视 AI 如何重塑安全运营,从自主威胁检测与响应到对抗性 AI 技术的兴起。

以技术性和调查性的视角,Miles 分析安全研究、事件披露以及实际部署,以了解 AI 在何处强化防御——以及在何处带来新漏洞。他特别关注模型漏洞利用、数据投毒、攻击自动化,以及在大规模保护 AI 驱动系统时的运营现实。

由 Miles Okada 撰写的文章为 AI 生成,并经 Unite.AI 编辑团队审阅,以确保对快速变化的 AI 安全格局进行准确、严谨且负责任的报道。