近期国外安全厂商发布最新威胁报告，披露了朝鲜国家级黑客组织 Kimsuky 的最新攻击动向。该组织将 AI 技术深度整合进全流程攻击作业中，从批量生成钓鱼诱饵文档，到在指挥控制服务器内部署本地大语言模型，再到用 AI 开发工具编写恶意代码，形成了一套完整的 AI 赋能攻击体系。

这次被命名为 GitPower 的攻击行动，并非全新出现的独立活动，而是 Kimsuky 多年攻击链路的延续。它继承了 2023 年 FlowerPower 行动的核心特征，沿用 PowerShell 执行框架并深度滥用 Git 仓库作为指挥控制基础设施，同时在诱饵制作、工具研发等环节全面引入 AI 能力，攻击目标依旧覆盖外国外交机构、军方、安全部门以及虚拟资产相关行业。

钓鱼诱饵进入 AI 量产时代 真假文档肉眼难辨

过去 Kimsuky 发动鱼叉式钓鱼攻击时，多会把之前攻击中窃取到的真实文档稍作修改就当诱饵。但从 2026 年开始，安全人员发现该组织的诱饵文档已经全面转向生成式 AI 制作。

AI 可以在短时间内生成覆盖不同主题、格式规范、行文流畅的专业文档，对黑客来说是效率极高的生产工具。这种变化不止是诱饵制作方式的升级，更意味着社会工程学攻击已经可以实现自动化、规模化量产。

安全人员分析捕获的多份诱饵 PDF 后，找到了多处 AI 生成的典型痕迹。这些文档主题涵盖虚拟资产、金融投资、游戏开发等不同领域，但整体结构、行文风格高度统一。文档元数据显示作者为 python-docx，创建工具标注为 WPS 文字，前者是 Python 环境下自动生成 Word 文档的开源库，后者是金山软件推出的办公软件。

更有规律的是，两份不同时间生成的文档，创建和修改时间完全一致，分别是 2026 年 3 月 11 日凌晨 5 点 00 分 04 秒和 3 月 24 日凌晨 5 点 00 分 44 秒，间隔两周却都在凌晨五点生成，时间差仅 40 秒，明显是自动化脚本批量输出的特征。文档排版也高度模板化，标题区大量使用 emoji 元素，和传统金融材料的风格差异明显，更接近 AI 生成文档工具的默认模板效果。

其中一份攻击样本甚至直接冒充韩国本土金融科技平台的 AI 投资策略材料，文件名伪装成投资策略包 PDF.lnk，格式和内容都和官方分发的资料高度相似。该平台此前刚发布过客户信息泄露的公告，黑客恰好利用这个热点制作诱饵，中招概率大幅提升。

不止做诱饵 黑客自建本地大模型研发攻击工具

这份报告最核心的发现，是 Kimsuky 已经把 AI 技术从前端钓鱼延伸到了后端的工具研发与数据处理环节。安全人员通过对黑客指挥控制服务器的日志分析，确认该组织在内部环境中搭建了完整的本地 LLM (大语言模型) 运行体系，还配套了检索增强生成、AI 智能体开发、语音转文字等一系列能力。

三套本地 LLM 工具同时部署 主打保密可控

日志显示黑客在同一台设备上安装了 Ollama、GPT4All、Msty 三款主流的本地大模型运行工具，并非偶然测试单个软件，而是在横向对比不同方案的效果。

对国家级黑客组织来说，本地部署大模型最大的优势是安全。所有对话和数据都在内部环境处理，不需要上传到第三方 AI 服务商，完全避免了攻击行为通过 API 请求泄露的风险。

其中 Ollama 是目前应用最广的开源本地大模型管理工具，支持 Llama、Mistral、Gemma、Qwen、DeepSeek 等多款主流开源模型，提供命令行接口和本地 API，可以很方便地和其他程序集成。GPT4All 是 Nomic AI 推出的离线大模型平台，自带 LocalDocs 功能，原生支持基于私有文档的检索增强生成。Msty 则是桌面端 AI 聚合客户端，可以统一管理本地和云端的大模型服务，支持 RAG、AI 智能体配置、知识库管理等功能。

用 RAG 处理窃取数据 自动提取高价值信息

安全人员在 GPT4All 的目录下找到了 localdocs_v3.db 数据库文件，这是配置 LocalDocs 功能后才会生成的文件，直接证明黑客已经在使用 RAG (检索增强生成) 技术。

简单来说，RAG 就是让大模型先从指定的文档库里搜索相关内容，再基于搜索结果生成回答。对黑客而言，这项技术可以用来批量处理窃取到的大量文档，自动从中筛选出机密信息、关键联系人、项目细节等高价值内容，大幅降低人工分析的工作量，解决数据窃取后分析效率不足的问题。

结合同目录下的模型列表文件可以判断，黑客已经选定了具体的语言模型投入实际使用。

集齐 AI 开发组件 准备打造智能化攻击工具

更值得警惕的是，黑客没有停留在使用现成 AI 软件的层面，还收集了一整套用于开发 AI 应用的开发库，存放路径刻意选在了不容易引人注意的图片目录下。

这些开发包以.NET 平台的 NuGet 包为主

覆盖了完整的技术栈：

  • 本地模型运行层有 LLaMaSharp 以及对应的 CUDA11、CUDA12 GPU 加速后端，可以在 C# 程序里直接运行大语言模型

  • 应用框架层有 LangChain、Semantic Kernel 等主流 AI 开发框架，支持 RAG 文档检索、多工具调用、流程编排

  • 智能体层有微软 Agents AI 相关开发包，用于开发具备自主规划能力的 AI 智能体

  • 云端接入层有 OpenAI、Azure OpenAI 的官方 SDK，可以对接商用 AI 服务

除此之外，黑客还下载了语音转文字工具 Whisper 及其高速实现版本 faster-whisper，配套还有韩语的使用教程。这类工具可以把窃取到的通话录音、会议录音自动转成可检索的文本，进一步提升数据处理效率。

整套组件从本地推理到应用开发再到云端接入形成了完整闭环，绝非出于好奇下载，而是明确要把 AI 能力集成到自研的攻击工具中。

仍处于技术积累阶段 尚未自主训练模型

目前的证据显示，Kimsuky 还没有进入自主训练大模型的阶段，日志里既没有大规模训练数据集，也没有微调后的模型文件。该组织当前的核心工作，是学习如何把公开的 AI 模型和框架整合进自己的工具链与开发环境中，主要使用 C# 和.NET 技术栈。

换句话说，他们现在还在攒能力、打基础的阶段，但这个方向已经非常明确。一旦相关技术成熟落地，未来的攻击自动化程度和效率都会出现明显跃升。

多重证据锁定 攻击源自朝鲜 Kimsuky

安全团队通过多维度线索交叉验证，确认这次攻击的发起方就是隶属于朝鲜侦察总局的 Kimsuky 组织。

首先是战术手法的延续性。本次 GitPower 行动使用的 PowerShell 执行框架、Git 仓库作为指挥控制节点的架构、RTF 文件头篡改配合 Gzip 解压的载荷投递方式，都和 Kimsuky 过往披露的攻击活动完全对应，技术传承关系清晰。

关联APT37 组织使用的 LNK 构建器

其次是设备与环境特征。黑客使用的设备制造商显示为 Arirang 也就是阿里郎，这是朝鲜本土的消费电子品牌，并非韩国主流厂商。系统日常使用中文版 WPS Office 办公，同时日志中出现了 Astrill VPN 的运行痕迹，这款 VPN 工具在多份公开报告中都被标记为朝鲜黑客的常用工具。

最关键的证据来自语言习惯。安全人员还原了键盘输入记录后发现，黑客使用韩语输入，但拼写带有鲜明的朝鲜韩语特征。比如将标准韩语的사이트写作싸이트，이력写作리력，노출되었는지写作로출되였는지。这些拼写差异并非打字错误，在多次输入和退格修改后依然保持一致，是使用者长期形成的语言习惯，也是判定攻击者地域背景的核心依据。

此外攻击目标集中在外交、军事、安全、虚拟资产领域，也完全符合 Kimsuky 组织长期的活动范围。

genians.co.kr/en/blog/threat_intelligence/kimsuky_ai_llm

附录：

这次攻击的初始入口依旧是鱼叉式钓鱼邮件，附件是 ZIP 压缩包，里面藏着伪装成公文、研究报告、付款申请、使馆信函的 LNK (Windows 快捷方式) 文件。用户一旦双击运行，攻击就会自动触发。

这些 LNK 文件的命令行参数里藏着长达数千字符的混淆 PowerShell (Windows 系统脚本工具) 脚本，黑客还特意在真实脚本前插入了三百多个连续空格，让 Windows 快捷方式属性窗口无法直接显示关键命令内容，靠视觉检查很难发现异常。

和常见的直接调用系统 Base64 解码函数不同，Kimsuky 自己实现了一套自定义 Base64 解码逻辑，通过字符表和位运算完成解密，以此绕过基于特征字符串的安全检测。

解码后的第一阶段脚本会做两件事。一是从 GitHub 的 Raw 内容服务下载一份正常的 PDF 文档保存到本地并自动打开，让受害者以为文件正常打开了，放下警惕。二是在系统临时目录和 AppData 目录写入后续的 PowerShell 脚本，同时创建一个隐藏的计划任务，注册五分钟后首次执行，之后每 30 分钟循环运行，实现持久化驻留。

后续脚本会逐步收集受害主机的信息，包括活跃网卡的 IP 地址、操作系统版本与架构、设备类型、系统安装时间与开机时间、运行中的进程列表等，信息整理成文本文件后，通过 GitHub 的 API 上传到黑客控制的公开仓库中。

攻击的最终阶段是投放 AsyncRAT (开源远程访问木马)。这些木马载荷被 RC4 算法加密后，伪装成 apple.png、fox.png 这类图片文件存放在 GitHub 仓库里。脚本下载后会解密加载，最终实现对受害主机的完全远程控制。黑客可以随时更新仓库里的脚本和木马文件，灵活调整攻击动作，把 Git 仓库彻底当成了动态 C2 (命令与控制) 节点。

声明：本文来自黑鸟，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。