Google: tin tặc dùng AI tự viết mã khai thác từ bản vá, cài cửa hậu qua cấu hình Claude Code

Ngày 16/11/2026, Nhóm Tình báo Mối đe doạ của Google (Google Threat Intelligence Group, GTIG) cùng Mandiant công bố báo cáo AI Threat Tracker hằng quý, nhan đề “Agentic Threat Activity Crosses a Significant Threshold” (tạm dịch: hoạt động tấn công bằng tác tử AI đã vượt một ngưỡng quan trọng). Phần lớn báo cáo nối tiếp những xu hướng blog này từng viết, chẳng hạn kẻ tấn công dùng các framework pentest (kiểm thử xâm nhập) mã nguồn mở chạy bằng agent như ARTEX. Có hai phát hiện mới, và cả hai đều liên quan trực tiếp đến người viết và phát hành phần mềm:

  1. exploit_agent: một hệ thống nhiều agent tự so sánh mã nguồn trước và sau bản vá, tìm ra lỗi mà bản vá vừa sửa, viết mã khai thác (exploit) rồi chạy luôn, không cần con người. GTIG nói đây là lần đầu họ thấy kẻ tấn công tự động hoá hoàn toàn cả khâu tìm lỗi lẫn khâu khai thác.
  2. Tệp cấu hình của coding agent bị dùng làm kênh tấn công chuỗi cung ứng. Một nhóm bị nghi là của Triều Tiên đã sửa tệp .claude/settings.json trong kho mã nội bộ của nạn nhân, để mỗi khi đồng nghiệp khởi động Claude Code thì máy tự tải về một cửa hậu (backdoor) mà GTIG đặt tên là SOMBERMEME.

Bài viết của SecurityWeek về cùng báo cáo xác nhận độc lập các điểm chính và bổ sung một chi tiết: nhóm Triều Tiên này, theo cách đặt tên mới của Google là MIDNIGHT NEPTUNE, chính là nhóm trước đây Google theo dõi dưới mã UNC1069.

exploit_agent: tự “đọc” bản vá thành mã khai thác

GTIG tìm thấy exploit_agent trên một máy chủ staging để lộ ra Internet, và đó là lý do duy nhất người ngoài biết đến nó. Theo báo cáo, framework này kết nối với “nhiều model tiên phong (frontier) và model chạy cục bộ”, được thiết lập để liên tục phân tích sai khác (differential analysis) giữa các phiên bản của những phần mềm web phổ biến. Hễ có bản vá được công bố, nó so mã cũ với mã mới, suy ra chỗ thay đổi, viết exploit và tự chạy vào mục tiêu.

Báo cáo công khai một hiện vật. Đó là một hàm PHP trong plugin WordPress Spectra (Ultimate Addons for Gutenberg) phiên bản 2.19.25 mà hệ thống đang mổ xẻ. Hàm này chỉ chặn truy cập vào một route REST khi URI của request chứa chuỗi /wp/v2/spectra-popup. Kiểm tra quyền bằng cách tìm chuỗi con trong URI thô là loại lỗi logic mà model xử lý rất rẻ một khi bản diff đã chỉ đúng tệp. GTIG còn in lại các dòng chú thích trong tệp môi trường của framework. Chúng viết bằng tiếng Nga, nghĩa là “Khoá API LLM cho tự động khai thác (bản thử nghiệm exploit_agent)” và “Tự điền khoá vào đây, đừng dán vào khung chat”. Dòng thứ hai gợi ý người vận hành dựng công cụ này cùng một trợ lý chat. GTIG không quy exploit_agent cho nhóm nào, và chú thích tiếng Nga tự nó không đủ để biết ai đứng sau.

Trên cùng máy chủ còn có dữ liệu lấy cắp từ nạn nhân và các script do thám mạng nội bộ, dò mật khẩu, cài webshell, thậm chí gỡ webshell của những kẻ tấn công khác. Dữ liệu về nạn nhân cho thấy mục tiêu là các trang truyền thông, giải trí của Pháp và ngành giáo dục.

Vì sao đáng lo. Lâu nay, hàng rào chính trước các lỗ hổng n-day (lỗi đã có bản vá công khai) là việc biến bản vá thành exploit dùng được vẫn tốn của một chuyên gia vài giờ đến vài ngày. Lập luận của GTIG là n-day rất hợp với LLM vì không gian tìm kiếm hẹp: một bản diff, ghi chú phát hành, có khi thêm một bản PoC (mã chứng minh khái niệm). Săn zero-day (lỗi chưa ai biết) thì phải dò rộng hơn nhiều. Số liệu trong báo cáo khớp với nhận định này. Từ tháng 1 đến tháng 8/2026, số lỗ hổng được công bố và số exploit “tăng gần gấp đôi”. Số zero-day bị khai thác thực tế tăng chậm hơn hẳn, từ trung bình 8 vụ mỗi tháng năm 2025 lên 11 vụ mỗi tháng năm 2026, rồi vọt lên 22 vụ riêng trong tháng 8.

Báo cáo nêu hai ví dụ cụ thể cho thấy khoảng thời gian an toàn đã ngắn lại đến mức nào:

  • PaperCut (cuối tháng 8/2026): hai lỗi CVE-2026-81578 (vượt xác thực) và CVE-2026-82078 (nạp lớp động không an toàn) ghép lại thành thực thi mã từ xa không cần đăng nhập. Nhờ LLM, các nhà nghiên cứu và hãng Huntress viết được exploit chạy được chỉ trong vòng một ngày sau khi lỗi được công bố. GreyNoise ghi nhận một chiến dịch bốn ngày sau khi công bố, nhiều khả năng dùng LLM để viết exploit và lập danh sách mục tiêu, đánh vào hàng trăm tổ chức, và từ chỗ đứng ban đầu lên quyền quản trị domain “chỉ trong vài phút”.
  • PHP (CVE-2026-109618/109619, vá ngày 21/10): video PoC và mã đã vá bị lộ trước bản sửa chính thức. Sau khi có bản vá, hàng trăm PoC “tự xưng” xuất hiện nhưng không chạy được, nhiều khả năng do LLM sinh ra, khiến bên phòng thủ mất công kiểm tra từng cái. Khi viết exploit trở nên rẻ, nó sinh ra cả rác lẫn đòn tấn công thật.

Cú chuyển hướng qua Claude Code

Vụ Triều Tiên chỉ chiếm một đoạn ngắn trong báo cáo, nhưng đây là phần lập trình viên nên đọc kỹ nhất. Theo GTIG, MIDNIGHT NEPTUNE nhắm vào các công ty tiền mã hoá ở Bắc Mỹ và châu Âu theo trình tự:

  1. Nhà tuyển dụng giả. Hồ sơ trên mạng nghề nghiệp dùng ảnh đại diện mang watermark SynthID, tức dấu thuỷ vân Google gắn vào nội dung do AI tạo ra. GTIG coi đó là bằng chứng các nhân vật này được dựng bằng AI.
  2. ClickFix. Nạn nhân được dẫn tới trang họp trực tuyến giả, rồi được bảo chạy một script “sửa lỗi chẩn đoán”. Script này chạy tiếp một script trung gian, nhiều khả năng cũng do LLM viết.
  3. Chuyển hướng qua kho mã. Khi đã vào được bên trong, kẻ tấn công sửa .claude/settings.json trong kho mã nội bộ để mỗi khi đồng nghiệp khởi động Claude Code, máy tự tải SOMBERMEME về.
  4. Nguỵ trang. Chúng tạo các GitHub personal access token (PAT) đặt tên giống Microsoft Copilot để trông như token của công cụ quen thuộc.

Ở đây không có lỗ hổng mới nào của Claude Code. .claude/settings.json là tệp cấu hình dự án được commit chung vào kho, và các hook (lệnh tự chạy theo sự kiện, ví dụ SessionStart khi mở phiên) khai báo trong đó vốn được thiết kế để chạy lệnh. Các đội dùng chúng để chạy formatter, test hay chuẩn bị môi trường. Tài liệu của Claude Code đặt một số thiết lập do kho mã cung cấp sau hộp thoại “tin cậy workspace”. Nhưng sự tin cậy đó được lưu theo kho, gắn với thư mục gốc git, chứ không theo từng phiên bản của tệp. Một lập trình viên đã bấm tin cậy monorepo của công ty từ mấy tháng trước, trên thực tế, đã đồng ý chạy mọi hook mà kho đó khai báo. Tài liệu cũng ghi rõ: trong các lần chạy claude -p hoặc qua SDK, hook trong tệp settings vẫn được dùng kể cả ở thư mục chưa từng được tin cậy. Điểm này đáng chú ý với các job CI cho agent chạy trên kho mã. Chỉ một lần merge độc hại vào .claude/ là chạy được mã trên máy của mọi kỹ sư kéo bản mới về.

GTIG không công bố mã băm, tên miền hay máy chủ điều khiển (C2) của SOMBERMEME, và không nêu tên nạn nhân nào. Báo cáo cũng không có ý kiến của Anthropic. Bản thân ý tưởng không mới: suốt năm nay, giới bảo mật đã cảnh báo rằng cấu hình agent đi kèm kho mã là một bề mặt tấn công. Điều mới là một nhóm được nhà nước hậu thuẫn dùng nó sau một cuộc xâm nhập có chủ đích, như một cách lặng lẽ để lan sang các máy khác trong cùng công ty.

Phần còn lại của báo cáo, tóm tắt

  • Framework agent trong các vụ xâm nhập thật: ngoài ARTEX, GTIG thấy CAIRN (vòng lặp OODA, các agent chia sẻ một “bảng đen” chung; dùng đánh vào ngành hàng không vũ trụ Mỹ), PentAGI (dùng từ cuối tháng 8 đến đầu tháng 10/2026 để quét các tổ chức ở châu Á), và các thử nghiệm với CyberStrikeAI, HexStrike AI. HexStrike là bộ khung dựa trên MCP, đưa hơn 150 công cụ tấn công vào tay một LLM client. Đánh giá của GTIG là hiện các công cụ này “đổi sự kín đáo lấy tốc độ”: chúng ồn ào, để lại dấu vết, nhưng vẫn đạt được mục tiêu.
  • LLMJacking (chiếm quyền dùng dịch vụ AI trên cloud của nạn nhân): Mandiant ghi nhận hoá đơn gian lận vượt 100.000 USD chỉ trong một ngày, và tổng cộng tới khoảng 1 triệu USD ở những vụ nặng nhất. Một nhóm đã khai thác CVE-2026-40217, lỗi thoát sandbox của LiteLLM biến các “virtual key” bị giới hạn thành quyền quản trị. Quyền truy cập đánh cắp được bán lại qua các “LLM mixer” với giá từ 0,10 đến 25 USD cho mỗi triệu token.
  • Chiến dịch thao túng thông tin: một nhà thầu đang xây nền tảng điều khiển hơn 100.000 tài khoản trên “trại điện thoại ảo” trên cloud, dùng LLM giả lập hành vi lướt mạng bình thường để tài khoản mới trông như đã dùng lâu.

Nên rút ra gì, và nên nghi ngờ gì

Đây là báo cáo tình báo mối đe doạ của một hãng cũng đang bán chính giải pháp phòng thủ (Google AI Threat Defense, các lớp bảo vệ an ninh mạng của Gemini 4 Carbon). Số liệu đến từ dữ liệu riêng của Google, người ngoài không kiểm chứng được. “Lần đầu không cần người điều khiển” nghĩa là lần đầu GTIG quan sát thấy, và họ tìm ra hệ thống này chỉ vì một máy chủ staging bị để lộ. Chính báo cáo cũng tự hạ nhiệt một phần: nhiều exploit do AI viết không chạy được, và sự ồn ào của các công cụ này hiện vẫn là điểm yếu của kẻ tấn công.

Dù vậy, các bài học thực tế cho đội kỹ thuật không phụ thuộc vào những điểm dè dặt đó:

  • Coi cấu hình agent là mã thực thi. Đưa .claude/, .cursor/, .mcp.json và các đường dẫn tương tự vào CODEOWNERS, review nghiêm như .github/workflows/, và cảnh báo khi các mục hooks, env, apiKeyHelper thay đổi.
  • Rà lại những gì agent trong CI nạp vào. Các lần chạy agent không giao diện trên nhánh không đáng tin là nơi hook của kho mã chạy mà không hỏi ai.
  • Giả định exploit n-day sẽ xuất hiện trong vài ngày. Với phần mềm công khai trên Internet, chu kỳ vá hằng tháng giờ đã quá chậm, và một bản diff công khai gần như đã là một exploit công khai.
  • Để ý token có tên lạ và chi phí AI tăng đột biến. Một PAT tên “Copilot” hay lượng gọi model tăng vọt bất thường có thể là dấu hiệu sớm của việc bị xâm nhập.

Nguồn