Kimsuky prepara uno stack AI offline per potenziare phishing, malware e raccolta dati

L’attività attribuita al gruppo nordcoreano

Genians attribuisce a Kimsuky, unità nordcoreana subordinata al Reconnaissance General Bureau, la preparazione di un’infrastruttura per eseguire strumenti di intelligenza artificiale offline.

L’attività è stata rilevata il 10 agosto 2026 dopo mesi di monitoraggio e analisi dei log. Gli elementi raccolti indicano una fase di ricerca, assemblaggio e test, non l’addestramento di un modello proprietario.

L’obiettivo apparente è applicare l’AI a più fasi operative: sviluppo di malware, creazione di campagne di phishing e analisi automatizzata dei dati. Non è stato dimostrato che lo stack sia già stato utilizzato contro una vittima.

Gli strumenti individuati nei sistemi controllati

Tra i componenti osservati figurano diversi software per eseguire modelli localmente o integrarli in applicazioni:

• Ollama, con chiavi generate durante il primo avvio, indizio di un’esecuzione o configurazione effettiva;
• GPT4All, con il database localdocs_v3.db associato alla funzione LocalDocs e al retrieval-augmented generation (RAG);
• Msty, piattaforma per l’esecuzione locale di modelli linguistici;
• LLaMaSharp, Microsoft Semantic Kernel e Microsoft.Agents.AI, librerie per applicazioni AI in ambiente C#/.NET;
• OpenAI Whisper, attraverso file e istruzioni per trascrivere contenuti audio;
• Cursor, editor di sviluppo con funzioni assistite dall’intelligenza artificiale.

Le versioni esatte dei prodotti non sono state rese note. Il database RAG mostra il tentativo di collegare documenti disponibili all’operatore a un sistema AI, ma non dimostra che quei documenti siano stati sottratti.

In un’attività recuperata nei log, l’operatore chiedeva di verificare un dataset alla ricerca di informazioni su wallet, credenziali Gmail e cronologia di registrazione dei siti. Non è stato possibile confermare che la richiesta sia stata effettivamente inviata a un servizio AI.

Il collegamento con Operation GitPower

L’attività si inserisce nel contesto di Operation GitPower, campagna che usa repository GitHub come canali di comando. La catena d’infezione osservata segue lo schema LNK → PowerShell e distribuisce payload AsyncRAT cifrati, camuffati da file immagine.

Fortinet ha documentato separatamente, ad aprile, l’impiego dello schema GitHub-C2 contro utenti sudcoreani. Quel rapporto conferma la tecnica generale, ma non prova un collegamento con i nuovi artefatti AI locali.

Genians associa l’operazione a Kimsuky sulla base di sovrapposizioni con campagne precedenti, elementi infrastrutturali e lessico nordcoreano presente nei log. Il Dipartimento del Tesoro statunitense aveva sanzionato il gruppo nel 2023, descrivendolo come una struttura orientata soprattutto alla raccolta d’intelligence.

Nel 2025 Genians aveva inoltre collegato Kimsuky a una campagna di spear-phishing che utilizzava immagini generate da ChatGPT, raffiguranti tessere identificative di dipendenti militari sudcoreani.

Perché l’esecuzione offline cambia il rilevamento

Un’infrastruttura locale consente di elaborare documenti e dati senza inviarli a chatbot pubblici. Può inoltre rendere più credibili i messaggi malevoli, riducendo traduzioni innaturali, refusi e problemi di formattazione.

La qualità del testo, quindi, non basta più per individuare un tentativo di phishing. Il rischio strategico è alto, ma l’automazione completa delle operazioni non è ancora provata e non è stato divulgato alcun numero di vittime di GitPower.

Cosa devono cercare i team di sicurezza

Le attività di rilevamento dovrebbero correlare nella stessa sequenza:

• esecuzione di file LNK e attività PowerShell;
• creazione o attivazione di scheduled task nascosti;
• traffico verso repository GitHub;
• download di payload cifrati mascherati da immagini;
• esecuzione successiva dei payload.

È inoltre opportuno monitorare l’installazione, l’avvio e la configurazione di Ollama, GPT4All, Msty, Cursor e Whisper, oltre alle librerie AI per C#/.NET.

La ricerca dovrebbe includere modelli locali, chiavi generate al primo avvio, database RAG come localdocs_v3.db e documenti indicizzati. Il triage deve privilegiare catene di processo, persistenza, comunicazioni e attività post-compromissione, senza basarsi soltanto sulla qualità linguistica delle esche.