Langflow utilisé pour créer des botnets Gafgyt personnalisés destinés aux attaques DDoS

• Des attaquants exploitent activement une vulnérabilité permettant l'exécution de code à distance (RCE) au sein du point de terminaison de l'API de validation de code de Langflow, une structure visuelle très utilisée pour le prototypage d'applications d'IA et de grands modèles de langage (LLM).

• Une fois la structure compromise, l'exploit déploie une variante hautement personnalisée du bot Gafgyt, un ancien bot de déni de service distribué (DDoS). Cette charge utile spécifique est dépourvue de fonctionnalités secondaires telles que les mineurs de cryptomonnaie afin de se concentrer exclusivement sur l'inondation du réseau, et elle dissimule ses communications de commande et de contrôle (C2) à l'aide d'un chiffrement par flux RC4 complexe et modifié, conçu pour contourner les outils de décodage automatisés standard.

• Le développement de l'IA en entreprise évoluant rapidement, les équipes déploient fréquemment des outils expérimentaux tels que Langflow sur des réseaux de production ou de préproduction sans segmentation réseau adéquate, sans protections par pare-feu ni filtrage strict du trafic sortant, créant ainsi un environnement hautement fiable qui permet au trafic C2 sortant malveillant de contourner facilement les filtres d'entreprise.

• La protection des infrastructures d'IA nécessite un retour aux protocoles de sécurité fondamentaux : corriger les failles d'exécution de code arbitraire dans les orchestrateurs d'IA, mettre en œuvre un filtrage strict du trafic sortant (comme le blocage du trafic non autorisé sur le port 1337), isoler les environnements de développement à l'aide de pare-feux d'applications Web (WAF) et déployer des signatures YARA ciblées.

Le monde de la cybersécurité a passé ces dernières années à s'inquiéter des menaces avancées liées à l'IA, telles que l'hameçonnage automatisé, les deepfakes et les logiciels malveillants autonomes. Cependant, les acteurs malveillants démontrent que leurs objectifs immédiats sont bien plus pragmatiques. Ils ne cherchent pas seulement à manipuler l'IA, ils veulent détourner l'infrastructure qui la sous-tend pour alimenter la cybercriminalité traditionnelle à grande échelle.

Des informations récentes sur les menaces révèlent une convergence fascinante entre le déploiement de l'IA et l'architecture classique des botnets : les attaquants exploitent activement la vulnérabilité CVE-2025-3248 (une faille RCE dans Langflow) pour déployer une variante hautement personnalisée du bot DDoS Gafgyt/BASHLITE, bien connu des spécialistes.

Dans cet article de blog, je vais vous expliquer comment les attaquants exploitent activement la vulnérabilité CVE-2025-3248 pour transformer des structures d'IA de pointe en armes de force brute réseau.

Au démarrage, le binaire exécute une séquence destinée à masquer sa présence et à préparer ses mécanismes internes :

• L'empreinte : il affiche une bannière ASCII provocante sur stdout : come at me krebs rimasuta go BRRT (en référence au célèbre journaliste spécialisé en sécurité Brian Krebs et au pseudonyme rimasuta d'un acteur malveillant).

• Démonisation : il appelle immédiatement la fonction clone() pour créer un processus fils, tandis que le processus parent se termine. Il ferme ensuite les descripteurs d'entrée, de sortie et d'erreur standard (stdio), se déconnectant ainsi complètement du terminal pour s'exécuter silencieusement en arrière-plan.

• Agression pure : le binaire ne contient ni mineur de cryptomonnaie, ni mécanisme de persistance, ni scanner de mouvement latéral. L'ensemble de son parcours d'exécution est optimisé pour une seule tâche : l'inondation du réseau.

Cette variante met en œuvre un chiffrement par flux RC4 modifié, sophistiqué et en plusieurs phases, afin de sécuriser ses communications C2. Le schéma de chiffrement s'écarte du RC4 standard de trois manières distinctes afin de contourner les outils de décodage automatisés courants :

1. Graine de S-box non standard : plutôt que d'initialiser la S-box de manière linéaire, le schéma de chiffrement la remplit à l'aide d'une suite arithmétique personnalisée : $S[i] = (0x0D + i \times 0xA7) \pmod{256}$.

2. Algorithme de planification de clés (KSA) en deux phases : il utilise des clés de 32 bits codées en dur (0xDEADBEEF, 0xCAFEBABE, etc.) pour modifier la S-box, suivies de cinq passages intensifs d'un remaniement classique par générateur congruentiel linéaire (LCG) de Borland.

3. Algorithme de génération pseudo-aléatoire modifié (PRGA) : les octets du flux de clés sont ensuite brouillés à l'aide d'un compteur à décalage et d'opérations bit à bit (ROL et SHR).

Le bot dispose de quatre chemins d'exécution distincts directement associés aux appels système sendto, correspondant à quatre vecteurs d'attaque par déni de service classiques :

Il est tentant de considérer les applications d'IA comme des environnements spécialisés, isolés du reste de l'infrastructure informatique de l'entreprise, mais les acteurs malveillants les perçoivent comme des cibles de choix. Le détournement d'un serveur d'IA au profit d'un botnet offre plusieurs avantages distincts :

• Une puissance de calcul et une bande passante considérables : les charges de travail liées à l'IA sont presque toujours hébergées sur des instances cloud hautes performances ou des serveurs d'entreprise robustes. Ces machines disposent de la bande passante réseau considérable nécessaire pour lancer des attaques DDoS dévastatrices.

• La vulnérabilité du « shadow IT » : le développement de l'IA évoluant à un rythme effréné, les équipes déploient fréquemment des plateformes expérimentales telles que Langflow dans des environnements de production ou de préproduction sans segmentation réseau, gestion des failles de sécurité ou protections par pare-feu adéquates.

• Environnements de confiance : l'infrastructure cloud d'entreprise bénéficie souvent d'autorisations réseau plus étendues vers l'extérieur, ce qui permet au trafic C2 sortant de contourner les filtres de sortie standard de l'entreprise.

Si votre équipe utilise Langflow ou des orchestrateurs visuels d'IA similaires, il est vivement recommandé de procéder immédiatement à des ajustements de votre posture défensive.

• Appliquez les correctifs et effectuez les mises à jour : assurez-vous que vos déploiements Langflow sont mis à jour vers des versions corrigeant les failles d'exécution de code arbitraire dans les API de validation de code.

• Mettez en place un filtrage strict des sorties : les environnements d'entraînement et de prototypage de l'IA ont rarement besoin d'un accès TCP sortant sans restriction vers des adresses IP publiques arbitraires. Bloquez les connexions sortantes sur des ports inhabituels tels que le port 1337.

• Isolement du réseau : considérez les environnements de développement d'IA comme des réseaux non fiables. Séparez-les strictement des environnements principaux de l'entreprise et limitez l'accès à l'Internet public via des pare-feux applicatifs Web (WAF).

• Déployez des signatures YARA : surveillez les fichiers binaires du système et les répertoires volatils à la recherche des octets de graine de S-box cryptographique spécifiques à cet acteur : 0d b4 5b 02 a9 50 f7 9e.

L'exploitation de la vulnérabilité CVE-2025-3248 nous rappelle de manière frappante que le paysage de la sécurité n'est pas seulement en pleine évolution, mais qu'il est en pleine mutation. Alors que nous intégrons rapidement de puissantes structures d'IA telles que Langflow dans nos infrastructures d'entreprise, nous devons résister à la tentation de considérer ces plateformes comme des environnements isolés ou spécialisés. Les acteurs malveillants sont parfaitement conscients du potentiel de puissance de calcul et de bande passante de ces environnements et s'en servent comme d'une arme en recourant aux mêmes méthodes éprouvées qui alimentent les botnets depuis des décennies.

La sécurisation des infrastructures d'IA nécessite un retour aux principes fondamentaux de sécurité : une segmentation robuste du réseau, un filtrage strict du trafic sortant et une gestion rigoureuse des correctifs. Dans la course au développement de la prochaine génération d'applications d'IA, nous ne pouvons pas nous permettre de laisser la porte ouverte aux fantômes de la cybercriminalité du passé.

• SHA256 : e00d92ca28a2cfd75e96f71fc0408747f04942657fcab0f2a25ce79bc3ad23a8

• ELF build ID (SHA1): 523ae28b0833f9a68f4264d16c803ca5fdc771b9

• IP du serveur C2 : 184.174.96.191

• port staging de logiciel malveillant : 8088/TCP (téléchargement HTTP)

• Port de commande C2 : 1337/TCP (trafic chiffré)

• Connexions sortantes vers des adresses IP externes via le port 1337

• Processus non identifiés s'exécutant à partir du répertoire /tmp et fermant immédiatement les descripteurs de fichiers standard

• La chaîne come at me krebs rimasuta go BRRT apparaît dans les journaux de sortie standard ou dans les chaînes en mémoire