Fake OpenAI Privacy Filter Repo Hits #1 on Hugging Face, Draws 244K Downloads

Menace sur les modèles IA : Un faux dépôt Hugging Face distribue des infostealers

Un dépôt malveillant sur Hugging Face, se faisant passer pour le “Privacy Filter” d’OpenAI, a attiré 244 000 téléchargements en se hissant en tête des tendances. Ce dépôt contenait un malware Rust conçu pour dérober des données sensibles.

Points clés :

• Tactique de tromperie : Le dépôt utilisait le typosquatting et copiait fidèlement la documentation officielle d’OpenAI pour gagner la confiance des utilisateurs.
• Infection multi-étapes : L’exécution d’un script (loader.py ou start.bat) déclenche une chaîne d’infection via PowerShell, téléchargeant un binaire malveillant qui désactive les protections Windows (Antivirus, AMSI, ETW).
• Objectif du malware : Un infostealer dérobe des captures d’écran, des portefeuilles de cryptomonnaies, des identifiants (Discord, navigateurs) et des fichiers de configuration.
• Infrastructure liée : L’enquête a révélé six autres dépôts suspects ainsi qu’un lien avec le groupe de cybercriminalité chinois “Silver Fox”, déjà connu pour distribuer le cheval de Troie d’accès distant (RAT) nommé ValleyRAT.

Vulnérabilités et vecteurs d’attaque :

• Aucune CVE spécifique : Cette attaque repose sur l’ingénierie sociale et l’exploitation de la confiance accordée aux plateformes de partage de modèles IA.
• Vecteur d’accès initial : Empoisonnement des résultats de recherche et manipulation artificielle des compteurs de téléchargements/likes sur les plateformes open-source.

Recommandations :

• Vérification systématique : Avant de télécharger un modèle ou un script, validez toujours l’identité de l’auteur et la cohérence de l’URL du dépôt avec les sources officielles.
• Analyse du code : Inspectez les scripts de chargement (loader.py, start.bat) avant exécution, surtout s’ils nécessitent des privilèges élevés (UAC) ou effectuent des requêtes réseau non justifiées.
• Prudence avec les tendances : Ne vous fiez pas au classement “trending” d’une plateforme, car celui-ci peut être manipulé artificiellement pour accroître la légitimité d’un contenu malveillant.
• Isolation : Exécutez des modèles ou des scripts provenant de sources tierces dans des environnements isolés (sandboxes ou machines virtuelles) pour limiter l’exposition de votre système principal.

Source