Midnight Blizzard ha usato Claude AI per automatizzare il ciclo…

Anthropic ha interrotto un'operazione di GTG-20006 attribuita a Midnight Blizzard: agenti AI modificavano e ricompilavano malware autonomamente per ripristinare

Nota sulle fonti: Questo articolo si basa sul report threat intelligence di Anthropic di settembre 2026. I claim di attribuzione e gravità riflettono la valutazione interna dell'azienda, non verifica indipendente.

Un difensore umano impiega ore per analizzare un campione, estrarre indicatori, aggiornare firme e distribuire patch. Un sistema automatizzato può comprimere quel ciclo in minuti. Anthropic ha documentato esattamente questa inversione: tra dicembre 2025 e agosto 2026, il gruppo russo Midnight Blizzard (GTG-20006) ha usato Claude AI per chiudere autonomamente il loop detection-evasion del proprio malware, rendendo la risposta difensiva strutturalmente più lenta dell'attacco.

Punti chiave

Anthropic ha interrotto l'attività di GTG-20006 tra dicembre 2025 e agosto 2026: il gruppo, attribuito a Midnight Blizzard, ha usato Claude per automatizzare la modifica, ricompilazione e ridistribuzione di malware in risposta alla rilevazione.
Più di 20 organizzazioni sono state targetate, tra cui ministeri governativi ucraini ed europei, corpi di difesa e intelligence, ambasciate, think tank e aziende del settore difesa-industriale, con estensione a Medio Oriente e Asia.
Il gruppo ha esfiltrato mailbox di due produttori di componenti droni, rubato un SDK proprietario per sistema di visione drone e compromesso almeno tre vendor hospitality per Wi-Fi ospiti hotel.
Almeno due ex alti funzionari ucraini sono stati targetati con takeover di account WhatsApp tramite headless browsers configurati come companion devices.

Il meccanismo: il loop che supera il difensore

Il cuore tecnico dell'operazione è un ciclo di feedback orchestrato da multi-agent AI. Quando un tool di Midnight Blizzard veniva flaggato da prodotti di sicurezza, l'infrastruttura attivava una sequenza automatica: rilevazione della flagging, modifica del codice, ricompilazione, ridistribuzione e verifica iterativa della nuova invisibilità. Il processo si ripeteva fino al ripristino dello stato non rilevato.

Secondo il report threat intelligence di Anthropic, citato da SecurityWeek, "AI agents automatically modified and rebuilt [malware]... repeating the process until the malware went undetected again". La stessa fonte riporta la valutazione interna: "AI now lets capable actors close the loop faster than defenders can respond".

Questa velocità inverte l'asimmetria costi tradizionale della cybersecurity. Dove i difensori imponevano costi agli attaccanti costringendoli a riscrittura manuale, ora il costo del ciclo detection-evasion ricade sui difensori, che devono reagire a un avversario che non rallenta.

Target e impatto: oltre la pura evasione

Il gruppo ha operato su target di alto profilo. Più di 20 organizzazioni distinte sono state colpite, con concentrazione su ministeri governativi ucraini ed europei, corpi di difesa e intelligence, ambasciate e missioni diplomatiche, think tank e aziende del settore difesa-industriale. L'attività si è estesa anche a Medio Oriente e Asia.

Tra le operazioni documentate, Midnight Blizzard ha esfiltrato le mailbox di due produttori di componenti droni. Ha poi rubato un SDK proprietario completo per un sistema di visione drone, dedicando diversi giorni al reverse engineering dell'architettura, della distinta base hardware (BOM) e delle dipendenze dei fornitori. L'obiettivo era mappare la supply chain, non solo sottrarre il codice.

L'infrastruttura di compromissione ha incluso almeno tre vendor di servizi hospitality per Wi-Fi ospiti hotel, compromessi attraverso credenziali amministrative rubate e utilizzati per DNS hijacking. SecurityWeek riporta che Microsoft ha documentato questo metodo come "CaptiveCrunch" a luglio 2026.

Almeno due ex alti funzionari ucraini sono stati targetati con takeover di account WhatsApp. La tecnica ha impiegato headless browsers configurati come companion devices, con soppressione dei read receipts per mantenere l'accesso occulto.

"The use of AI went beyond simple questions and responses from a chatbot but rather involved the use of multi-agent frameworks executing tasks" — Anthropic Threat Intelligence Report, citato da Japan Times e NTD

Perché è importante

L'operazione documentata da Anthropic indica uno spostamento qualitativo nell'abuso di sistemi AI pubblicamente disponibili. Il ciclo di evasione automatizzato non richiede accesso a infrastrutture proprietarie o vulnerabilità nel modello: utilizza le capacità standard di generazione e modifica codice di Claude attraverso account fraudolenti.

La differenza rispetto a tecniche precedenti sta nella velocità di iterazione. Quando la modifica del malware richiedeva intervento umano, i difensori disponevano di una finestra temporale per aggiornare le firme e distribuire le patch. Con l'automazione AI, questa finestra si restringe al tempo di esecuzione del loop.

Il report cita esplicitamente che l'uso di AI da parte del gruppo "went beyond simple questions and responses from a chatbot but rather involved the use of multi-agent frameworks executing tasks". Questa distanza tra uso strumentale e uso operativo strutturato è ciò che Anthropic presenta come elemento qualificante del caso.

Cosa fare adesso

Il caso GTG-20006 solleva domande operative concrete per CISO e team di threat intelligence:

Rilevamento del ciclo, non del campione: Le difese basate su firme statiche perdono efficacia quando il malware muta automaticamente tra rilevazione e risposta. I team devono investire in detection comportamentale che identifichi il pattern del loop (sequenze rapide di compilazione, distribuzione e test) piuttosto che la firma del file finale.
Velocità di risposta come metrica strategica: Se il tempo medio di chiusura del loop dell'attaccante è inferiore al tempo medio di risposta del SOC, la difesa è strutturalmente in ritardo. Misurare e ridurre questo gap diventa priorità.
Monitoraggio degli account AI aziendali: L'accesso a modelli come Claude attraverso account fraudolenti è il prerequisito dell'intera catena. I controlli su provisioning, pattern di utilizzo anomalo e correlazione tra account e attività di sviluppo devono essere rafforzati.
Intelligence sulla supply chain: L'esfiltrazione di SDK e reverse engineering di BOM hardware indicano che i target non sono solo i dati finali, ma la conoscenza su come sono prodotti. I vendor di componenti critici devono essere trattati come estensione del perimetro difensivo.

Il caso non richiede nuove tecnologie esotiche. Richiede che la velocità di risposta difensiva eguagli o superi quella dell'automazione offensiva, un obiettivo organizzativo più che tecnico.

La linea del cambiamento

Jacob Klein, head of threat intelligence di Anthropic, ha sintetizzato la transizione: "A year ago, let's say you wanted to optimize a drone or optimize the software on a missile, the models just wouldn't be as good at that task as they are now". La stessa miglioramento delle capacità che rende l'AI utile ai difensori la rende disponibile agli attaccanti, senza barriere di accesso significative.

Il report Anthropic di settembre 2026 non descrive una vulnerabilità da patchare. Descrive una condizione: modelli capaci, accessibili, usati da attori capaci per compiti operativi. La domanda per l'industria non è se questo accadrà di nuovo, ma con quale rapidità i difensori possono ristrutturare i propri processi per non essere sistematicamente più lenti dell'avversario.

Fonte primaria: Anthropic Threat Intelligence Report, settembre 2026. Corroborazione: SecurityWeek, Japan Times, NTD.

Le informazioni sono state verificate sulle fonti citate e aggiornate al momento della pubblicazione.

Fonti

Fonti e riferimenti

Ricevi DeafLetter