SilkParasite svela il confine tra malware AI-assisted e…

Bitdefender ha scoperto SilkParasite, una campagna di cyber-spionaggio che usa sette famiglie RAT e AI-assisted development per colpire governi asiatici. Il segnale

Bitdefender ha scoperto e documentato SilkParasite, un'operazione di cyber-spionaggio attiva dal tardo 2025 che ha preso di mira istituzioni governative in sei paesi dell'Asia Centrale e del Caucaso meridionale. La rivelazione, pubblicata il 19 agosto 2026, mostra un threat actor di nesso cinese che integra strumenti di intelligenza artificiale nel workflow di sviluppo malware senza degradare la qualità operativa: un segnale di transizione che i difensori devono imparare a riconoscere.

Punti chiave

Bitdefender ha identificato sette famiglie di malware, cinque delle quali precedentemente non documentate, con un'architettura plugin-oriented distribuita su quattro linguaggi di programmazione diversi.
DriveSilkRAT, la famiglia più diffusa con circa 65 infezioni osservate, nasconde il comando-e-controllo all'interno del traffico ordinario di Google Drive, rendendo invisibile il C2 agli strumenti di monitoraggio network-based.
La consegna avviene tramite DLL sideloading "passivo": gli operatori portano personalmente binari firmati legittimi che caricano librerie malevole da percorsi insoliti.
Bitdefender attribuisce la campagna a threat actor di nesso cinese con medium confidence, basandosi su indicatori tecnici, profilo delle vittime e pattern orari coerenti con il fuso UTC+8.

La scoperta: da un'unica infezione a un ecosistema di sette RAT

Nel tardo 2025, intorno a ottobre, un singolo rilevamento sospetto in un'istituzione governativa economica di un paese dell'Asia Centrale ha innescato mesi di indagine forense. Bitdefender ha ricostruito un'operazione attiva da circa un anno, con sette famiglie di malware che condividono un'architettura modulare e obiettivi regionalmente coerenti.

Le cinque famiglie inedite sono state denominate DriveSilkRAT, NomadRAT, GoginRAT, NodeEdgeRAT e una quinta non esplicitamente nominata in tutte le fonti. BloodAlchemy, una delle due famiglie già note, si colloca nel lineage ShadowPad → Deed RAT, una linea di eredità toolistica associata a gruppi di spionaggio cinesi. Questa connessione non identifica un singolo attore: come ha precisato Martin Zugec di Bitdefender, "gli ecosistemi di tooling condiviso non sono la stessa cosa di un singolo attore controllante".

Quasi ogni strumento implementa un'architettura plugin-oriented, con 12 plugin .NET custom in DriveSilkRAT per task di amministrazione remota. Le sette famiglie span quattro linguaggi di programmazione — .NET, C++, Go, JavaScript — una diversificazione che suggerisce sviluppo parallelo piuttosto che evoluzione sequenziale di un unico codebase.

Il C2 invisibile: quando Google Drive è la backdoor

DriveSilkRAT rompe il paradigma del comando-e-controllo su server dedicati. La famiglia si collega a una cartella condivisa Google Drive: il traffico C2 viene indistinguisho dal traffico ordinario del servizio, passando attraverso le stesse infrastrutture TLS e i medesimi domini di Google. Per i monitor di rete, non esiste anomalia da segnalare.

Bitdefender ha analizzato 37 comandi operatori dai timestamp server-side di Google Drive, ricostruendo un pattern orario che punta al fuso UTC+8. Questo dato, combinato con indirizzi IP legati a China Unicom e la connessione di SpiceRAT al cluster SneakyChef documentato da Cisco Talos, alimenta l'attribuzione a nesso cinese — esplicitamente qualificata come medium confidence dal vendor.

La consegna iniziale avviene tramite DLL sideloading in forma "passiva": gli operatori non sfruttano vulnerabilità nel caricamento delle librerie, ma portano personalmente il binario firmato legittimo e lo posizionano accanto alla DLL malevola. Come ha osservato Bitdefender, "il segnale affidabile non è il nome della DLL da solo, ma l'accoppiamento: un'applicazione firmata legittimamente che carica una libreria da un percorso insolito".

AI-assisted, non AI-generated: la differenza che cambia il rilevamento

Bitdefender distingue nettamente due modalità di integrazione dell'intelligenza artificiale nelle minacce. L'AI-generated produce volume, mediocrità e collasso sotto complessità crescente. L'AI-assisted, documentata in SilkParasite, vede professionisti APT usare l'AI per accelerare mantenendo qualità ingegneristica.

"SilkParasite is primarily assisted: capable humans do the engineering and lean on AI to move faster, leaving behind a few tells but none of the degradation"

I "tells" riconoscibili includono placeholder nel codice, chiavi di crittografia hardcoded con pattern generici — il campo configurazione di NodeEdgeRAT impostato al letterale 'change_this_key', la chiave AES '0123456789abcdef' in GoginRAT — e architetture duplicate cross-lingua: NomadRAT e GoginRAT condividono struttura simile implementata in due linguaggi diversi, suggerendo design unico esportato via workflow AI-assisted. Due lure di spearphishing sono risultate indubbiamente generate da AI, con contenuti regionalmente personalizzati per Uzbekistan, Turkmenistan, Kirghizistan, Tagikistan, Kazakistan e Georgia.

La macro di consegna implementa un controllo specifico: verifica se Kaspersky avp.exe è in esecuzione e adatta il comportamento di conseguenza. Questa evasione AV-specifica indica intelligence di targeting regionale, non diffusione indifferenziata.

Il contesto geopolitico: economia, influenza e vuoto post-sovietico

Il targeting riflette una geografia di competizione intensificata. Come ha analizzato Martin Zugec, "il declino dell'influenza russa in Asia Centrale e nel Caucaso meridionale dall'invasione dell'Ucraina nel 2022 ha aperto un vuoto che la Cina sta riempendo economicamente. Man mano che l'impegno economico si approfondisce, gli funzionari che plasmano quelle relazioni politiche ed economiche diventano bersagli naturali dell'intelligence".

Le lure impersonavano ministeri specifici, con documenti apparentemente legittimi per il contesto economico-diplomatico della regione. Un documento per la Georgia è stato recuperato da una piattaforma pubblica, sebbene il contesto operativo esatto di quel targeting non sia stato chiarito nel report. Bitdefender ha documentato collegamenti a campagne precedenti come FamousSparrow, ma ha esplicitamente rifiutato di ridurre SilkParasite a un'attribuzione di gruppo nominato: l'analisi IP-level resta circostanziale.

Cosa fare adesso

Monitorare l'accoppiamento processo-libreria, non solo le firme file: il rilevamento comportamentale di applicazioni firmate che caricano DLL da percorsi insoliti è il segnale più affidabile contro il sideloading passivo di SilkParasite.
Analizzare il traffico Google Drive per pattern anomali di cartelle condivise: il C2 via servizi cloud trusted richiede ispezione del comportamento dell'utente e della frequenza di accesso, non solo del dominio di destinazione.
Rivedere le regole di rilevamento delle macro Office per includere controlli di ambiente AV-specifici: la logica di evasione Kaspersky osservata in SilkParasite anticipa tecniche simili in altre regioni.
Valutare il contesto geopolitico del targeting: le istituzioni economiche e diplomatiche in aree di influenza contestata richiedono un livello di vigilanza threat-intelligence proporzionato alla dinamica geopolitica, non solo al profilo tecnico della minaccia.

Domande frequenti

SilkParasite è il primo caso di malware AI-assisted documentato?

È il primo caso documentato con questa evidenza tecnica dettagliata e questa chiarezza distintiva tra modalità AI-assisted e AI-generated. Bitdefender esplicitamente posiziona SilkParasite come segnale di transizione operativa, non come precedente isolato.

Perché Google Drive non è considerato "compromesso"?

Il servizio funziona normalmente: l'anomalia risiede nel pattern di uso da parte degli operatori, non in una vulnerabilità della piattaforma. Questa distinzione è centrale per comprendere le tecniche LOTS (Living Off Trusted Services).

Qual è il rischio di sovrastimare l'AI in questa campagna?

Il rischio è invertire la proporzione: l'ingegneria malware resta umana professionale, l'AI accelera selezionatamente. L'errore di difesa sarebbe cercare firme "AI-generated" invece di concentrarsi sul comportamento anomalo dei processi, che resta il segnale robusto indipendentemente dalla provenienza del codice.

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

Fonti

Fonti e riferimenti