Cloudflare, tarayıcıların gözünden kaçan sekiz kötü niyetli JavaScript payload'unu yapay zekâ modelinin yakaladığını açıkladı

Tarayıcıların gözünden kaçan dört kampanya

Cloudflare, Page Shield makine öğrenmesi modeliyle çalışan Client-Side Security ürününün, mağazaların canlı trafiğinde çalışan dört kötü niyetli JavaScript operasyonunu — toplamda sekiz payload — tespit ettiğini açıkladı. Tespit otomatik yapıldı; insanlar her bulguyu yalnızca sonrasında doğruladı.

Cloudflare bloguna göre, sekiz payload'un yedisine VirusTotal'da hiç rastlanmıyordu ve URLScan hiçbiri için kötü niyetli değerlendirmesi döndürmedi. Page Shield ML ise sekizini de canlı trafikte yakaladı.

Bir vaka, bu tür scriptlerin ne kadar uzun süre sınıflandırılmadan bekleyebildiğini gösteriyor. Güvenlik araştırmacıları daha geniş Lnkr ailesini yıllar önce belgelemiş olsa da, belirli bir payload sürümü URLScan'de yaklaşık iki buçuk yıl boyunca "Sınıflandırma yok" etiketiyle kaldı; Ocak 2024'te yapılan doğrudan bir tarama sırasında bile durum böyleydi. VirusTotal o payload'u içine almıştı ve şu anda kötü niyetli olarak işaretliyor; ancak Cloudflare, kamu kaydının bu değerlendirmenin ne zaman ilk kez verildiğini göstermediğini belirtiyor. Şirketin argümanı şu: Bir dosyanın hash'i, arkasındaki kod kötü niyetli olarak etiketlenmeden çok önce bilinmiş olabilir ve etiketi bekleyen bir savunma zaten gecikmiştir.

Şüpheli scriptler üzerinde oy kullanan modeller

Pipeline'ın ilk aşaması, Cloudflare'ın daha önce kötü niyetli npm paketlerini ve sahadaki bir Magecart ödeme skimmer'ını yakaladığını söylediği bir graph neural network (GNN). Bu model JavaScript'i düz metin olarak ele almak yerine, kodu bir graf olarak ele alıyor — sembolleri bağlayan bir sözdizimi ağacı, neyin neyi çağırdığını, saldırganın neyi gömdüğünü ve neyin hâlâ dışarıya bağlandığını ortaya koyuyor. Bu yapı, bilinen bir URL veya byte imzasına dayanmadan, minification, yeniden adlandırma ve bazı obfuscation yöntemleri arasındaki şüpheli örüntüleri tanımasını sağlıyor.

Analiz edilen scriptlerin yüzde 0,3'ünden azı GNN tarafından işaretleniyor ve bunlar Workers AI üzerindeki hafif bir büyük dil modeline ikinci bir görüş için gidiyor; LLM GNN'yi teyit ettiğinde müşteriler uyarılıyor. En karmaşık scriptler ise daha da ileri giderek Cloudflare'ın "öğretmenler" dediği frontier model topluluğuna — Workers AI üzerindeki open-weight modeller de dahil yaklaşık altı model ailesinden oluşan otomatik yargıçlar topluluğuna — gidiyor. Her biri kendi taze oturumunda bir ajan olarak çalışıyor, kod parçalarını açıp gizli davranışı ortaya çıkarmak için kısıtlı bir JavaScript değerlendiricisine sahip; Cloudflare, iş akışını yakında izole analiz için Sandbox ile genişletmeyi planlıyor.

Öğretmenler özellikle karmaşık scriptlerde bazen anlaşmazlığa düşüyor ve Cloudflare bu anlaşmazlığı gürültü değil sinyal olarak değerlendiriyor. Her etiket, modelin Artificial Analysis Intelligence Index'teki puanıyla ağırlıklandırılan bir oya dönüşüyor ve dört etiket üzerinde bir olasılık dağılımı üretiyor: zararsız, ödeme skimming (magecart), diğer malware ve cryptomining. İnsan incelemeciler yalnızca kötü niyetli olarak işaretlenen veya üçte iki çoğunluğa ulaşamayan scriptleri inceliyor ve etiket dağılımları GNN eğitimine geri besleniyor; bu döngü kısmen manuel olarak devam ediyor.

Dört operasyonun yaptığı işler

Dört kampanya ortak bir imza veya gizlenme tekniği paylaşmıyordu; Cloudflare'ın argümanına göre tek seferlik taramanın zorlanmasının nedeni tam da bu.

İlk kampanya, mobil alışverişçilerden affiliate komisyonlarını kaçırdı. Cihaza ve yerel saate göre davrandı, çok günlük bir bekleme süresi uyguladı ve ilk sayfa yüklemesinden sonra beliren ürün kartlarını ve düğmeleri izlemek için bir MutationObserver kullandı. Ziyaretçi bir ürüne dokunduğunda, script saldırganın seçtiği bir açılış sayfasını yeni bir sekmede açtı ve orijinal sekmeyi bir affiliate linki üzerinden yönlendirerek atıf ve komisyonu çaldı — meşru bir yönlendirme ortağına gidecek kredi dahil.

İkincisi, hiç tıklama olmadan affiliate komisyonlarını çaldı; ekran dışı bir iframe, otomatik tıklayan gizli bağlantı yedeği, sahte bir IP sorgusu çekme işlemi, zaman kapıları ve saatlik affiliate etiketi rotasyonu kullandı.

Üçüncüsü, eski bir arama müdahale script'ini mağaza arka kapısına dönüştürdü; eski anahtar kelime susturma, localStorage opt-out ve telemetriyi, saldırgan kontrolündeki rastgele JavaScript'in çalışmasına izin veren uzaktan kod yüklenmesiyle birleştirdi.

Dördüncüsü, bir "ücretli-mobil cloaker" olarak kampanya etiketli mobil ziyaretçileri hedefledi. Host, viewport ve UTM etiketlerine ek olarak 325 girişli bir IP alt dizesi listesine göre davrandı, dokuz izleme ve analitik aracını devre dışı bıraktı, reklam ve analitiği değiştirmeye çalıştı, destek bölümünü gizledi ve sıfır piksel izleme işaretçileri gönderdi — mağazayı, edinmek için para ödediği ziyaretçilere karşı kör etti.

Bir operasyon, cihaz, ülke, saat, yönlendiren veya tarayıcı durumu beklediğiyle eşleşmediği sürece uykuda kaldı; dolayısıyla sayfayı bir kez yükleyen bir crawler muhtemelen hiçbir şey görmeyecekti. Cloudflare'ın argümanına göre, tarayıcı içindeki sürekli görünürlük, bu saldırıları yakalamak ile tamamen kaçırmak arasındaki farkı yaratıyor.

Neden önemli

İstemci taraflı JavaScript, bir sitenin örtük güveniyle çalışır ve mağazalar genellikle büyük miktarda üçüncü taraf kodu yükler. Bu saldırılar checkout'u bozmaz — her şey sağlıklı görünürken affiliate gelirini emer, analitiği çarpıtır ve yürütme arka kapıları açar; yıllarca sürmelerinin nedeni de budur. Cloudflare'ın verileri, imza ve hash tabanlı tarayıcıların buradaki kapsam açığını sayısallaştırıyor: sekiz payload'un yedisi VirusTotal'da yok, URLScan'dan sıfır kötü niyetli kararı, bir payload iki buçuk yıl boyunca sınıflandırılmamış.

Bir uyarı: bulgular Cloudflare'ın kendi telemetrisinden geliyor ve şirketin sattığı ürünü göstermek için yayımlandı; dolayısıyla bağımsız olarak doğrulanmadı. Ancak tanımladıkları örüntü — otomatik ziyaretçilere zararsız görünmek üzere tasarlanmış, uykuda ve koşullara bağlı scriptler — üçüncü taraf scriptlere bel bağlayan her site için gerçek bir açıktır ve tarayıcı içinde davranış tabanlı tespitin temel argümanıdır.