发布时间:2026/7/25 0:35:46
[特殊字符] ENCFORGE 深度分析:当勒索软件学会了加密 AI 模型 传统勒索软件加密你的文件——ENCFORGE 加密的是你的 AI 模型。重建成本每模型 75,000 到 500,000 美元。你好我是老张。如果你以为勒索软件还是“加密文档、勒索比特币”那套老把戏那 2026 年 7 月的这起事件会刷新你的认知。一个名为JADEPUFFER的“智能体威胁行为者”搭载了一款名为ENCFORGE的全新勒索软件从漏洞利用到容器逃逸再到文件加密——整套攻击链完全围绕 AI 基础设施设计。它不是加密你的 Word 文档。它加密的是你训练完成的 AI 模型权重、训练数据集、向量索引。仅重新训练一个被加密的模型成本就可能高达 75,000 到 500,000 美元。这篇文章我把 JADEPUFFER 和 ENCFORGE 的攻击手法、技术细节、演进路径全部拆给你看。 本文导航text一、JADEPUFFER首个被完整记录的“智能体威胁行为者” 二、攻击链条拆解从 Langflow 漏洞到 ENCFORGE 部署 三、ENCFORGE 技术分析专为 AI 基础设施设计的勒索软件 四、惊人的进化速度十几天内从临时脚本到专用武器 五、2026 年的新威胁AI 资产成为攻击者的头号目标 六、给企业的防御建议 七、总结与粉丝福利一、JADEPUFFER首个被完整记录的“智能体威胁行为者”1.1 什么是“智能体威胁行为者”JADEPUFFER是业界首个被完整记录的智能体威胁行为者Agentic Threat Actor, ATA。和传统人工操作的黑客不同高度自主攻击过程几乎不需要人工干预实时调整能根据环境反馈实时调整策略自我纠错遇到执行失败的 payload 能在极短时间内完成诊断并修正Sysdig 威胁研究团队的判断这是“首个有完整记录的、由自主 AI 智能体端到端执行的勒索软件攻击案例”。1.2 两次攻击十几天内的快速进化第一次攻击2026 年 7 月初JADEPUFFER 利用开源 AI 框架 Langflow 的漏洞 CVE-2025-3248 进入系统自主完成了侦察、凭证窃取、横向移动最后对 MySQL 和 Nacos 数据库执行加密勒索。第二次攻击仅仅十几天后JADEPUFFER回到同一个目标带来了一套完全升级的武器库。攻击目标从业务数据库转向了杀伤力更强的 AI 模型资产。二、攻击链条拆解从 Langflow 漏洞到 ENCFORGE 部署2.1 入口Langflow CVE-2025-3248Langflow 是目前应用最广的开源 LLM 应用编排框架之一很多企业用它快速搭建 AI 工作流。漏洞出现在/api/v1/validate/code接口——攻击者不需要任何账号权限就能向接口提交恶意代码并在服务器上执行。由于 Langflow 运行环境里通常存着大模型服务商 API 密钥、云服务凭证、数据库连接串等敏感信息它天然就是高价值的攻击入口。该漏洞在2025 年 5 月已被列入 CISA 已知被利用漏洞目录。2.2 第一步标准后渗透操作进入系统后JADEPUFFER 先执行基础命令确认系统身份接着扫描环境里的各类凭证云服务商密钥、数据库连接串、API 令牌再探测内网服务的连通性。2.3 第二步发现 Docker 套接字它发现了宿主机的 Docker 套接字文件/var/run/docker.sock。⚠️对容器环境稍有了解的人都知道能访问这个文件就约等于拿到了宿主机的 root 权限。攻击者可以通过它创建特权容器直接读写宿主机上的所有文件。2.4 第三步5 分 24 秒的自我进化JADEPUFFER 尝试从远程 C2 服务器下载勒索二进制文件但首次下载尝试失败了。换做普通攻击到这一步可能就停滞了。但 JADEPUFFER 没有放弃。在5 分 24 秒的时间里它通过 Langflow 远程代码执行管道连续迭代了 6 个版本的 Python 脚本每一个版本都针对性修正了上一版的错误。最终成型的脚本实现了完整的自动化流程利用已挂载的 Docker socket 建立特权逃逸容器通过主机的 procfs 跨命名空间边界复制勒索软件并加密原始容器隔离范围之外的主机文件系统。三、ENCFORGE 技术分析专为 AI 基础设施设计的勒索软件3.1 目标180 种文件扩展名ENCFORGE 是用Go 语言编写的、UPX 打包的勒索软件。它针对约180 种文件扩展名进行加密覆盖了现代 AI/ML 技术栈的几乎所有关键组件PyTorch 与 TensorFlow 模型检查点HuggingFace SafeTensors 权重文件llama.cpp GGUF 量化模型FAISS 向量索引Apache Parquet 与 TFRecord 训练数据集NumPy 数组LoRA 微调适配器旧版 GGML 权重Sysdig 的研判ENCFORGE并非通用文件加密工具而是专为 AI 环境量身打造。3.2 加密机制ENCFORGE 采用AES-256 计数器模式CTR搭配 RSA-2048 密钥交换的混合加密方案。加密前会终止持有文件锁定的进程确保所有目标文件都能被加密。执行完成后自我删除增加取证难度。3.3 独特的勒索策略根据 Sysdig 取得的勒索信息受害者须于7 天内完成联系逾期解密密钥将被永久删除每名受害者的密钥各自独立生成彼此无法互通——断绝了任何“集资解密”的可能Sysdig 在此次二进制文件中未发现数据外泄能力也未发现外泄网站。这意味着JADEPUFFER 的威胁核心在于资产本身的破坏而非数据揭露——这与多数采用双重勒索模式的 RaaS 集团完全不同。3.4 反恢复能力研究人员还在 Linux 版本中发现了删除卷影副本shadow copy与停用开机恢复等代码——这些原本多见于 Windows 的反恢复功能现在被移植到了 Linux 环境。3.5 为什么 ENCFORGE 比传统勒索软件更致命对比维度传统勒索软件ENCFORGE攻击目标办公文档、业务数据库AI 模型权重、训练数据、向量索引恢复难度从备份恢复即可无法从备份恢复——模型需要重新训练恢复成本相对较低每模型$75,000 - $500,000计算和工程成本恢复时间数小时到数天数周到数月核心洞察传统勒索软件赌的是“你没有备份”。ENCFORGE 赌的是——即使你有备份你也无法恢复一个训练好的 AI 模型。重建一个生产级微调模型需要重新运行数周甚至数月的训练。四、惊人的进化速度十几天内从临时脚本到专用武器JADEPUFFER 的进化速度是这次攻击最令人不安的部分。对比维度第一次攻击7 月初第二次攻击7 月中旬攻击工具临时编写的 Python 脚本ENCFORGE——编译好的 Go 勒索软件加密方式MySQL 自带的AES_ENCRYPT()AES-256-CTR RSA-2048 混合加密攻击目标业务数据库MySQL NacosAI 模型权重、训练数据、向量索引攻击入口Langflow CVE-2025-3248同一个漏洞同一个入口十几天时间攻击能力实现了代际跃升。而且ENCFORGE 中嵌入的联系邮箱与第一次攻击完全一致——这是同一个攻击者或同一个 AI 智能体只是武器升级了。五、2026 年的新威胁AI 资产成为攻击者的头号目标5.1 为什么是 AI 基础设施高价值训练一个 AI 模型的成本高达数十万美元难恢复模型无法像文件一样从备份“恢复”——必须重新训练高依赖企业的 AI 业务一旦中断损失无法估量攻击面大Langflow、Ray、Jupyter 等 AI 框架普遍存在安全配置问题5.2 趋势攻击正在从“数据勒索”转向“AI 资产勒索”2026 年的勒索软件攻击正在经历一次根本性的目标转移第一代加密文件 → 勒索赎金第二代加密文件 威胁泄露数据双重勒索第三代现在加密 AI 模型→ 勒索天价赎金因为恢复成本极高ENCFORGE 就是第三代的标志性产物。六、给企业的防御建议 立即行动高危排查 Langflow 等 AI 框架检查是否使用了存在 CVE-2025-3248 等已知漏洞的版本立即升级严禁暴露 Docker 套接字/var/run/docker.sock不应在容器内可访问AI 模型资产分级保护将训练完成的模型权重、训练数据集列为最高级别数据资产 季度内完成建立 AI 资产备份策略虽然模型无法从备份直接“恢复”但可以定期保存检查点到隔离环境实施容器安全加固最小权限原则、禁用特权容器、启用 Seccomp/AppArmor部署运行时安全监控使用 Falco 等工具监控容器异常行为 长期建设建立 AI 供应链安全体系评估所有 AI 框架和依赖的安全状况制定 AI 资产应急响应预案假设模型被加密你如何在最短时间内重建七、总结JADEPUFFER 和 ENCFORGE 的出现标志着勒索软件进入了一个全新的时代攻击者从“人”变成了“AI 智能体”——自主决策、自我纠错、快速进化攻击目标从“数据”变成了“AI 模型”——加密后几乎无法恢复攻击速度从“天”变成了“分钟”——5 分 24 秒迭代 6 个版本传统勒索软件加密的是你的过去文档。ENCFORGE 加密的是你的未来AI。 互动话题你的企业是否在使用 Langflow、Ray 等 AI 编排框架这些系统的安全配置你心里有数吗欢迎在评论区分享你的看法——每一条我都会认真回复。点赞、收藏、转发三连让更多同行看到这个正在崛起的新威胁 勒索软件防御实战资料包评论区回复“勒索防御”即可免费领取①JADEPUFFER ENCFORGE 完整技术分析报告②Langflow CVE-2025-3248 漏洞排查与修复指南③AI 模型资产分级保护与备份策略模板④容器安全加固 checklistDocker/Kubernetes⑤Falco 运行时安全规则集可直接部署⑥AI 基础设施攻击面评估 checklist⑦勒索软件应急响应预案模板2026 版⑧Sysdig 2026 云原生安全报告全文⑨AI 供应链安全评估指南 领取方式评论区回复“勒索防御”我会私信发你全套资料包下载链接。 参考来源Sysdig 威胁研究团队 JADEPUFFER 报告2026 年 7 月Sysdig《JADEPUFFER evolves》技术分析安全内参《ENCFORGE一款专门销毁AI模型和基础设施的勒索软件》2026 年 7 月 21 日CISA 已知被利用漏洞目录CVE-2025-3248本文案例与数据均来源于 2026 年 7 月 Sysdig 威胁研究团队报告及公开报道仅供学习参考。如果觉得有用别忘了「点赞 在看 转发」三连评论区等你来聊

相关新闻

2026/7/25 0:35:46

HTML5实战:轻松嵌入FLV视频播放技巧

html没办法直接引入flv格式的视频, 得借助引入一个swf的播放器来播放flv格式的视频 , class id ;type width 这些代码的意思就不用我讲了吧 关于宽, 还有高, 把“视频地址”换成你特有的那个视频地址实际上是播放flv文件的播放器下载地址;此次给大伙带来…

2026/7/25 0:35:46

Moneta亿汇:围绕客户支持与工具可用性的要点梳理

在外汇行业语境里,表达越清晰、信息越透明,越容易建立稳定预期。在Moneta亿汇的外汇服务中,从公开信息与使用体验出发,梳理其更值得肯定的能力点与细节表现。外汇相关平台的价值,体现在长期一致性与信息呈现的细致程度…

2026/7/25 0:30:46

别人的面试题(持续更新)

promise的本质是什么Promise本质是带状态机的异步结果容器,基于订阅发布模式实现内部维护pending,fulfilled,rejected三种单向凝固状态异步未完成时收集.then()注册的回调,异步完成后立刻触发回调队列then每次返回都是新的promise…

2026/7/25 2:05:51

Anthropic AI原生安全实践:从威胁建模到红队测试的完整框架

这次我们来看 Anthropic 最新披露的 AI 原生研发安全控制实践。作为 Claude 模型的创造者,Anthropic 在 AI 安全领域一直走在前沿,这次公开的安全框架不仅适用于大模型研发团队,对任何涉及 AI 应用开发的企业和个人都有重要参考价值。最值得关…

2026/7/25 2:05:51

Gemini与Flash技术结合:快速构建自定义AI工具开发指南

这次我们来看一个结合了 Gemini 和 Flash 技术的创意工具开发方案。如果你正在寻找快速构建自定义 AI 工具的方法,特别是希望利用最新的语言模型能力,这个方案值得重点关注。Gemini 3.6 Flash 并不是一个单一的工具,而是基于 Google Gemini 模…

2026/7/25 2:05:51

课堂人脸分析系统实战:从场景定义到工程落地的完整指南

上周帮一个做教育科技的朋友看项目,他们想给线下课堂加一套“智能分析”系统,核心需求听起来很简单:自动识别学生有没有认真听讲、有没有玩手机、有没有打瞌睡。他们最初的设想是,买几个摄像头,找个现成的开源人脸识别模型,再写个脚本统计一下抬头率,这事儿不就搞定了吗…

2026/7/25 2:05:51

OpenCV与YOLO实战:从零搭建机器人视觉感知系统

想做一个能“看见”世界、理解环境并自主行动的机器人吗?是不是觉得“具身智能”这个词听起来既酷炫又遥不可及,仿佛需要顶级的实验室和博士团队才能入门?别被吓到了。今天,我们就来打破这个认知壁垒,用最接地气的方式,带你从零搭建一个机器人的“眼睛”和“大脑”。 这…

2026/7/25 2:05:51

C++线程安全队列实现与生产者-消费者模型实战

1. 项目概述:从队列到并发模型在C的后端开发、游戏服务器或者任何需要处理异步任务的场景里,队列(Queue)都是一个绕不开的基础数据结构。它遵循“先进先出”(FIFO)的原则,就像现实生活中的排队&…

2026/7/25 2:00:51

llama.cpp-omni:从文本到多模态的实时流式AI引擎实战

很多开发者对 llama.cpp 的印象还停留在"纯文本推理引擎"阶段,认为它只能处理文字输入输出。但实际上,通过 llama.cpp-omni 项目,llama.cpp 早已实现了完整的视频音频多模态能力,支持实时全双工流式交互。本文将带你深入…

2026/7/23 12:54:51

Unity与Python本地通信:基于Flask的跨语言数据交换实战

1. 项目概述:为什么我们需要一个本地通信服务器?在游戏开发、数字孪生、仿真训练等众多领域,Unity作为强大的实时3D内容创作平台,其核心逻辑通常由C#驱动。然而,当我们需要进行复杂的数据分析、机器学习推理、科学计算…

2026/7/25 0:00:15

C++ string类模拟实现:从深拷贝到内存管理的完整指南

1. 项目概述:为什么我们要“手撕”string类?在C的学习道路上,尤其是从C语言过渡到C的“初阶”阶段,string类绝对是一个绕不开的核心。标准库里的std::string用起来太方便了,、find、substr,几个操作符和函数…

2026/7/25 0:00:15

三角洲寻宝鼠工具:高效文件搜索与资源管理实战指南

1. 先搞清楚“三角洲寻宝鼠”到底是什么工具从名称来看,“三角洲寻宝鼠”更像是一个资源查找或文件检索类工具,而不是游戏或娱乐软件。这类工具的核心价值在于帮助用户快速定位特定资源,比如文档、图片、压缩包或特定格式的文件。如果你经常需…

2026/7/25 0:00:15

VHF 甚高频语音喊话系统(桥梁智能防撞场景)核心优势

一、直达船员,预警链路最短营运船舶强制标配 VHF 船载电台,属于驾驶室常态化值守设备;预警语音直接传递至驾驶人员,区别于岸上声光报警(船员经常听不到)、短信 / 小程序(船员极少主动查看&#…

2026/7/25 0:59:36

3个高效策略:快速掌握Axure中文界面配置

3个高效策略:快速掌握Axure中文界面配置 【免费下载链接】axure-cn Chinese language file for Axure RP. Axure RP 简体中文语言包。支持 Axure 11、10、9。不定期更新。 项目地址: https://gitcode.com/gh_mirrors/ax/axure-cn 还在为Axure RP的英文界面感…