PaperCut-Angriff nutzte KI-Agenten, um über 440 Instanzen zu kompromittieren

Eine kürzlich offengelegte PaperCut-Schwachstelle wurde in eine automatisierte Angriffskampagne umgewandelt, die mindestens 440 Instanzen der Druckmanagement-Software in 48 Ländern kompromittierte, so unabhängige Berichte von Blackpoint Cyber und GreyNoise, die mit The Hacker News geteilt wurden. Die Aktivität wird einem vermutlich russischsprachigen Cyberakteur zugeschrieben und wurde erstmals über eine IP-Adresse, 45.142.193.132, gemeldet, die in den letzten Wochen bei unbefugten Portscans und Brute-Force-Angriffsversuchen beobachtet wurde. Arctic Wolf brachte dieselbe Adresse letzte Woche auch mit Ausbeutungsaktivitäten in Verbindung.

Nevan Beal, leitender MDR-Analyst bei Blackpoint, sagte, das genaue Endziel der Kampagne sei nicht bestätigt. Die Methodik stimme mit Initial-Access-Aktivitäten überein, aber es gebe noch nicht genug Beweise, um zu bestätigen, ob der Akteur als Initial Access Broker operiert. Initial Access bedeutet, dass der Angreifer einen Fuß in ein Netzwerk bekommt und diesen Zugang später an andere Kriminelle verkaufen könnte.

Die Kampagne zielt auf zwei Schwachstellen in PaperCut NG/MF ab: CVE-2026-81578 und CVE-2026-82078. Zusammen bilden sie eine Kette aus Authentifizierungsumgehung und Remote-Code-Ausführung. In einfachen Worten: Authentifizierungsumgehung ermöglicht es einem Angreifer, eine Anmeldemaske ohne gültige Anmeldedaten zu umgehen, und Remote-Code-Ausführung erlaubt ihm, Befehle auf dem Server auszuführen. Die Angreifer konzentrierten sich hauptsächlich auf Bildungseinrichtungen in den Vereinigten Staaten, dem Vereinigten Königreich, Frankreich, Spanien, Kanada, Belgien, Portugal, Australien, Deutschland und der Schweiz.

Nach dem Einbruch lieferte der Angreifer Tools zur Sammlung von Windows-Registry-Hive-Daten, Java-Payloads im Zusammenhang mit Metasploit und Meterpreter sowie Befehle zur Identifizierung von Hosts, Benutzern, Prozessen und sensiblen Konfigurationsdaten. GreyNoise gab an, die bösartige IP-Adresse seit Anfang Juli 2026 zu verfolgen, als sie bereits internetzugewandte Systeme von Anbietern wie Palo Alto, Ubiquiti, Citrix, SonicWall und Proxmox VE sondierte.

GreyNoise fand heraus, dass der Angreifer eine Laborumgebung mit verwundbarer PaperCut-Software und einem Active-Directory-Server aufbaute und angriff. Active Directory ist der Verzeichnisdienst, den viele Organisationen zur Verwaltung von Benutzerkonten und Berechtigungen nutzen. Der Angreifer erstellte außerdem Ziellisten mithilfe des Internet-Scandienstes Netlas.io mit einem identifizierten API-Schlüssel. Nach der Erlangung von Remote-Code-Ausführung und Credential-Harvesting im Labor setzte der Angreifer Hunderte KI-Agenten frei, die auf OpenAI Codex, einem DeepSeek-Modell und öffentlich verfügbaren Offensive-Security-Tools wie Mimikatz, SharpHound, Certipy, Rubeus und Impacket basierten. Diese Agenten kompromittierten dann mindestens 440 PaperCut MF/NG-Instanzen, die von 395 identifizierten Opferorganisationen gehostet wurden.

GreyNoise fügte hinzu, dass es weitere echte Opfer gibt, die keiner benannten Organisation zugeordnet werden konnten. Der Angreifer versuchte ausdrücklich, Entitäten in 28 identifizierten Ländern zu meiden, darunter Russland, China, Hongkong, Thailand, Iran, Venezuela, Indonesien, Pakistan und Bangladesch, aber die beobachtete Opferverteilung zeigt, dass diese Zurückhaltung in einigen Fällen versagte.

Die Geschwindigkeit der Operation ist beeindruckend. Laut GreyNoise gelangte der Angreifer von einem leeren Arbeitsbereich in weniger als vier Stunden zur ersten erfolgreichen Remote-Code-Ausführung gegen ein echtes Opfer und kompromittierte dann mindestens 11 Organisationen in 26 Sekunden, als die Kampagne ernsthaft begann. Bei einem Angriff gegen eine High School in den Vereinigten Staaten betrug die Zeit zwischen dem anfänglichen Zugriff und dem vollständigen Domänenadministrator-Zugriff sieben Minuten. Domänenadministrator-Zugriff bedeutet, dass der Angreifer die höchste Kontrollstufe über das Windows-Netzwerk der Schule erlangte. Insgesamt soll der Angreifer nur bei 12 Opferorganisationen Domänenadministrator-Zugriff erlangt haben, und die Endziele bleiben unklar.

Blackpoint Cyber teilte weitere Details mit und erklärte, es habe die Aktivität auf eine exponierte Betreiberinfrastruktur zurückgeführt, die den KI-gestützten Arbeitsablauf von der Schwachstellenforschung und Exploit-Entwicklung über Zielgruppenfilterung, Fehleranalyse, Codeänderungen und wiederholte Wiederholungswellen zeigt. Die früheste wiederhergestellte Aktivität begann am 31. August, wobei sich das Projekt auf Schwachstellenforschung und den Vergleich gepatchter und ungepatchter PaperCut-Builds konzentrierte. Innerhalb von Stunden war diese Forschung in ein multithreaded Validierungstool umgewandelt worden, das überprüft, getestet und gegen zunehmend größere Zielgruppen ausgeführt wurde.

Die Nutzung von KI erstreckt sich auf die Targeting-Pipeline. Der wiederhergestellte Quellcode fungiert als Trichter, der mehrere Quelllisten zusammenführt, Kandidaten geolokalisiert, sie nach Land filtert, die Ausschlussrichtlinie anwendet und aktive PaperCut-Systeme identifiziert. In der Endphase werden Ziele nach Betriebssystem und Umgebung kategorisiert und in separate Listen für aktiv, unerreichbar, fehlende bestimmte Phasen, für Post-Exploitation-Aktionen geeignet und auf Wiederholung wartend eingeteilt, anstatt jeden erfolglosen Versuch als dasselbe Problem zu behandeln. Python-Skripte verfolgen spätere Phasen und überprüfen die Fertigstellung, einschließlich Administratorzugriff, Kontoverifizierung, Active-Directory-Sammlung, Domänen- und Netzwerkerkennung und Proxy-Einrichtung. Fehler werden aufgezeichnet, damit das Framework sich anpassen und vorankommen kann.

Das Projekt ist am besten als ein System zu verstehen, in dem KI das Zentrum ist, um das sich die gesamte Architektur dreht, und das Schwachstellenforschung durch eine persistente Rückkopplungsschleife in eine Exploit-Pipeline verwandelt. Zwei Open-Source-Tools unterstützen dies: Hindsight, das persistenten Speicher für KI-Agenten bereitstellt, und AionUi, das einen einheitlichen grafischen Arbeitsbereich bietet, um mehrere KI-Agenten gleichzeitig auszuführen und anzuzeigen. Blackpoint sagte, die stärkste KI-Auswirkung sei keine neuartige Exploit-Technik gewesen, sondern die Verringerung des menschlichen Aufwands, der erforderlich ist, um Forschung, Entwicklung, Debugging, Klassifizierung, Verfolgung, Wiederholung und kontinuierliche Verbesserung der Ausbeutung über Hunderte realer Systeme hinweg durchzuführen. Der Betreiber verwendete einen iterativen Entwicklungsprozess, in dem KI-gestützte Forschung, Programmierung, Tests, Fehlerbehebung und Kampagnenausführung sich kontinuierlich gegenseitig informierten und der Kontext erhalten blieb, als das Projekt von der Schwachstellenforschung zur Exploit-Validierung, Tool-Entwicklung, Zielerweiterung und operativen Ausführung überging.

Für Organisationen, die lokale Geschäftssoftware betreiben, kann eine sicherheitsorientierte IT- und Infrastrukturüberprüfung wie die von AEU-I angebotene helfen, zu verifizieren, dass internetzugewandte Systeme gepatcht, Zugriffe eingeschränkt und Überwachung vorhanden sind, bevor Angreifer sich automatisiert Zugang verschaffen.