?本期講解嘉賓

近年來，加密貨幣作為新興產業，發展速度令人矚目。挖礦木馬是黑客進行網絡交易并獲取加密貨幣的主要手段之一，為了應對挖礦木馬的威脅，基于人工智能的挖礦木馬檢測成為一種有效的解決方案。在本文中，我們將介紹幾種不同類型的檢測引擎如何通過EDR應對當下更加復雜的挖礦木馬攻擊，包括基于加密通信的挖礦行為，采用進程注入等更加隱蔽和高級的無文件攻擊技術來規避檢測等。

挖礦木馬攻擊態勢

挖礦木馬的定義和類型

近年來，加密貨幣種類已超過一萬種，總市值更是超過萬億。加密貨幣的去中心化、無需監管以及交易的匿名性等特性，使其成為黑客進行網絡交易并獲取利潤的主要手段之一。

加密貨幣的獲取依賴于高性能計算機按照特定算法進行計算，這個過程被稱為“挖礦”。由于挖礦需要大量的計算能力，即大量的計算機資源，而維持這種計算能力則需要大量的資金投入。因此，一些黑客便想到了利用“木馬”控制他人的計算機，建立所謂的僵尸網絡，以此來幫助自己挖礦，這種行為就產生了所謂的“挖礦木馬”。當個人或企業的計算機被植入挖礦惡意軟件后，不僅會導致系統卡頓，還會影響設備的性能和壽命，嚴重威脅正常業務運行并造成能源浪費。

圖1-1黑客利用木馬控制計算機進行挖礦——挖礦木馬

挖礦木馬主要分為三類：

可執行文件型挖礦木馬：

這種木馬通常以惡意程序的形式存儲在受感染的機器上，通過設置計劃任務或修改注冊表項等方式實現持久化，長期進行加密貨幣的挖礦操作。

基于瀏覽器的挖礦木馬：

這種木馬使用JavaScript或類似技術在瀏覽器中執行。只要用戶打開了被植入挖礦木馬的網站，該木馬就會在瀏覽器中執行挖礦操作，持續消耗計算資源。

無文件挖礦木馬：

這種木馬利用合法工具如PowerShell等在機器的內存中執行挖礦操作，具有不落地、難以檢測等特點，更加隱蔽和難以清除。

2022年挖礦木馬攻擊態勢

2022年，華為安全態勢感知系統捕獲到數千萬個挖礦木馬。企業、政府和教育行業成為這類木馬入侵的重災區。而且，挖礦攻擊的數量仍在持續增加。根據華為乾坤安全云服務運營團隊及現網公開報告，挖礦攻擊技術呈現以下變化：

01

隱蔽性提高：挖礦攻擊組織越來越注重隱蔽性，經常采用各種技術手段來隱藏自己的存在。被攻擊者往往需要數十天甚至數月才發現木馬的存在，例如Nitrokod挖礦木馬家族創建的計劃任務周期達到15天。

02

攻擊目標擴大：挖礦攻擊的目標不僅限于個人電腦，還包括企業服務器、云計算平臺等。同時，絕大部分挖礦家族已經支持Windows和Linux雙系統挖礦，并具備橫向移動特性，例如Kthmimu、Hezb、HolesWarm等家族。

03

對抗技術提高：隨著對挖礦攻擊的認識和對抗技術的不斷提高，挖礦攻擊者也在不斷改進自己的攻擊技術。他們采取了一些措施，如創建守護進程、使用無文件攻擊等。一些挖礦家族包括LemonDuck、TeamTNT、Tofsee等也在不斷演進和改進。

這些變化表明挖礦攻擊者越來越注重隱蔽性和攻擊目標的擴大，并且為了適應對抗技術而不斷提升攻擊技術。

挖礦木馬攻擊鏈分析

一般來說，挖礦惡意軟件攻擊鏈條分成四個關鍵步驟：攻擊入侵、挖礦準備、安裝運行以及隱藏自身行為。終端作為攻擊發生的真實載體，是挖礦防御的最主要戰場。

圖1-2挖礦木馬攻擊鏈

• 入侵：攻擊者通過漏洞利用、社會工程學攻擊或其他方式入侵目標系統，許多已知挖礦家族均集成了眾多漏洞利用模塊。

• 準備：攻擊者首先探測系統信息，若滿足條件則開始構建挖礦運行環境，包括搶占系統資源，關閉網絡防護等。

• 運行：攻擊者通過C2（Command and Control，命令與控制）通道下載或者直接釋放挖礦載荷，開始在目標系統上挖掘加密貨幣。

• 隱藏：攻擊者通常會采取措施來隱藏挖礦活動，例如使用加密通信、進程注入來隱藏挖礦軟件的進程等。

基于上述攻擊特點，華為終端檢測與響應EDR產品推出了三大檢測引擎，從多角度監控系統發生的可疑行為，同時支持一鍵深度處置，徹底修復感染挖礦木馬的系統。

基于AI的挖礦木馬檢測引擎

NDR檢測引擎：融合機器學習檢測加密挖礦

挖礦活動的最本質特點在于網絡連通，受害主機需要與礦池持續通信以確保挖礦活動的正常運行。華為乾坤云服務威脅信息庫涵蓋現網中數萬個活躍礦池域名和IP，華為流量探針識別stratum挖礦協議，可以確保礦池的外部連接在網關或終端側被阻斷。

針對經過TLS加密的挖礦行為，利用機器學習進行流量分析是一種有效的檢測方法。通過分析網絡流量數據，機器學習模型可以學習和識別與加密挖礦相關的特征和模式。這些特征包括通信報文大小和時序特征、特定的網絡通信模式以及與已知挖礦活動相關的數據包。通過訓練機器學習模型，我們可以建立一個智能的檢測系統，能夠自動識別和報告潛在的加密挖礦行為。結合EDR調查取證可以幫助企業和組織及時發現并應對加密挖礦威脅，保護其計算資源和網絡安全。

EDR行為檢測引擎：基于內存威脅溯源圖識別挖礦攻擊鏈

對于落入端側的挖礦木馬攻擊，華為終端檢測與響應EDR行為檢測引擎基于內存威脅溯源圖，在文件、進程、網絡、注冊表和CPU占有率等多個關鍵維度上實時監控系統資源，一旦發現威脅立即處置。同時，內存威脅溯源圖集成了自適應基線模型、時序關聯模型、因果關聯模型等，在入侵、執行、持久化和橫移等多個攻擊階段均能及時響應，達到鏈式防御的效果。

圖1-3示意了利用內存威脅溯源圖還原WebLogic漏洞投遞無文件挖礦木馬的攻擊鏈過程。

圖1-3 內存威脅溯源圖：
利用WebLogic漏洞投遞無文件挖礦木馬的攻擊鏈還原

眾所周知，單純通過判斷CPU占有率高可能會導致挖礦木馬事件誤報或漏報的情況發生，因為計算密集型任務也會導致CPU占有率飆升。因此，在檢測挖礦木馬時，我們需要結合攻擊的上下文信息進行綜合分析，結合內存威脅溯源圖，將典型的挖礦木馬攻擊上下文進行關聯：

01

在挖礦啟動前，攻擊者經常做一些可疑的準備工作，例如探測CPU/GPU信息、修改安全設置、搶占系統資源、配置網絡策略并創建計劃任務達到長期劫持計算資源的目的等。

02

在挖礦啟動時，攻擊者往往需要指定挖礦參數，例如錢包地址、幣種、HASH算法等。

03

在挖礦執行時，華為終端檢測與響應EDR產品會提示CPU占用異常，結合其他可疑事件綜合研判為挖礦入侵。

結合內存威脅溯源圖，華為終端檢測與響應EDR產品可阻斷99%以上的挖礦啟動行為，同時可以看到完整的攻擊鏈，一個典型的挖礦木馬樣本威脅圖如圖1-4所示。

圖1-4一個挖礦木馬樣本的攻擊鏈

高級威脅檢測引擎：識別文件屬性篡改、進程注入等防御逃逸行為

為了對抗挖礦檢測和處置，攻擊者會采用多種高級攻擊技術來保持木馬在系統中的存在。其中包括濫用系統敏感API來篡改文件屬性或進程屬性，以避免被刪除或隔離。另外，攻擊者還可能采用進程注入的方式來躲避檢測。為了應對這些威脅，華為終端檢測與響應EDR產品實現了在API級別監控系統的可疑行為，并直接阻斷惡意行為的執行，以防患于未然。通過這種方式，可以有效地提高系統的安全性，防止挖礦等惡意行為的發生。

挖礦木馬的一鍵深度處置

在檢測到挖礦威脅后，對于檢測的到的可疑點，華為終端檢測與響應EDR產品已支持5大類事件的精準處置，實現檢測到處置的有效閉環。

具體的處置對象及方法如下：

• 進程：可以通過終止挖礦進程來進行處置。

• 文件：可以將挖礦木馬文件進行隔離，以防止其對系統造成進一步的威脅。

• 網絡：可以聯合防火墻來阻斷與挖礦相關的通信IP地址，從而切斷其與外部的連接。

• 計劃任務：可以清理由挖礦木馬創建的計劃任務，以防止其在系統中持續執行。

• 服務：可以清理由挖礦木馬創建的服務，以確保其不再對系統產生影響。

總之，通過自動化的處置過程可以幫助快速有效地清除挖礦木馬，減少對系統和網絡的影響。

結束語

為了應對挖礦木馬的威脅，基于人工智能的挖礦木馬檢測成為一種有效的解決方案，本文介紹了幾種不同類型的檢測引擎。NDR檢測引擎利用機器學習技術來檢測加密挖礦行為，可以幫助及時發現潛在的挖礦活動；EDR行為檢測引擎則基于內存威脅溯源圖來識別挖礦攻擊鏈，提供更加全面的檢測能力；高級威脅檢測引擎則專注于識別文件屬性篡改、進程注入等防御逃逸行為，以應對更加復雜的挖礦木馬攻擊。同時，自動化的處置過程可以幫助客戶快速有效地清除挖礦木馬。華為將持續跟蹤挖礦木馬的最新攻擊態勢，不斷提升檢測能力，為客戶構筑更強的防御屏障。