JadePuffer usa agentes AI para atacar y borrar recursos en Azure
El ransomware JadePuffer ha atacado inquilinos de Azure con agentes automáticos que mapean, roban credenciales y destruyen cuentas de almacenamiento, key vaults y máquinas virtuales.
JadePuffer, el operador de ransomware que surgió en julio, ha apuntado a inquilinos de Azure con ataques dirigidos por agentes AI que automatizan el reconocimiento, robo de credenciales, movimiento lateral, persistencia y cifrado de datos.
Los investigadores de Sysdig señalaron que el malware utiliza agentes AI para ejecutar la cadena completa de ataque. Poco después, la organización anunció que JadePuffer ampliaba su foco a activos AI, conjuntos de datos de entrenamiento y bases de datos vectoriales, empleando la herramienta EncForge.
Microsoft Security Research detectó dos incidentes en junio que mapeaban recursos de la nube, recuperaban claves de cuentas de almacenamiento y borraban cuentas de Azure Storage en tan solo siete minutos. Se afectaron más de 100 cuentas, key vaults, function apps, máquinas virtuales y app services. Los bloqueos de recursos y protecciones a nivel de cuenta mitigaron la pérdida en algunas instancias.
El actor de amenaza, catalogado como Storm‑3168, utilizó dos principals de servicio comprometidos de la misma tenant. Uno se empleó para reconocimiento y descubrimiento de recursos, mientras el otro realizó operaciones destructivas y recopilación de credenciales. El atacante también eliminó protecciones de copia de seguridad (bloques de Azure Site Recovery), dificultando la restauración.
Microsoft no reportó demandas de rescate ni confirmación de robo de datos, aunque la estrategia sugiere una posible extorsión. Los intentos de eliminar bases de datos SQL fallaron por usar una versión API no soportada. La duplicación de objetivos entre SQL y storage indica un esfuerzo por amplificar el impacto.
Alrededor de media hora después del borrado, Storm‑3168 volvió a realizar más de 30 peticiones de claves de cuenta de almacenamiento, con la mayoría exitosa. La fuente de acceso inicial permanece desconocida, aunque se descubrió que una credencial de principal de servicio apareció en un issue público de GitHub antes de los ataques.
Recomendaciones
- Habilitar protecciones de cargas de trabajo en la nube.
- Revisar repositorios públicos en busca de secretos.
- Evaluar permisos RBAC de Azure bajo el principio de menor privilegio.
Estas medidas ayudan a mitigar la amenaza de ataques AI‑driven y a proteger la infraestructura crítica en Azure.
Para más detalles sobre la investigación de Microsoft, consulta el blog de seguridad de Microsoft.
