JadePuffer 回归：AI 模型勒索软件升级
攻击时间线
| 阶段 | 耗时 | 技术 |
|---|---|---|
| 初始访问 | 即时 | Langflow RCE 通道复用 |
| 容器逃逸 | ~1 分钟 | Docker socket 特权容器 |
| 跨命名空间传播 | ~2 分钟 | procfs 文件系统 |
| 加密执行 | ~2 分钟 | ENCFORGE Go 二进制 |
| 总计 | 5 分 24 秒 | 端到端自主完成 |
目标文件扩展名（部分）
- 模型权重：.pt, .pth, .ckpt, .safetensors, .bin, .onnx
- 数据集：.parquet, .tfrecord, .arrow, .h5
- 配置：.yaml, .json（训练配置）
- 共 ~180 种 ML 相关扩展名
AI Master 解读
核心事件
JadePuffer 回归并升级为专门针对 AI 模型的勒索软件，使用 ENCFORGE locker 覆盖 ~180 种 ML 文件扩展名。
行业影响
关键影响：
| 维度 | 影响 |
|---|---|
| AI 安全 | 首个针对 ML 模型资产的勒索软件，训练数据和微调模型成为直接目标 |
| 攻击面 | Docker socket 逃逸 + procfs 跨命名空间传播，容器隔离无法防御 |
| 时间窗口 | 5 分 24 秒完成全链路，人工响应几乎不可能拦截 |
深度分析： ENCFORGE 通过 6 个 Python 脚本迭代构建攻击管道：Langflow RCE → 特权容器逃逸 → procfs 跨命名空间传播 → 主机文件系统加密。这种「容器跳」技术使传统基于网络隔离的防御失效。结合 Hugging Face 同日被 AI Agent 入侵的事件，AI 基础设施正面临「AI 攻击 AI」的新型安全范式。
AI Master 建议
立即审计 ML 工作负载的 Docker socket 挂载和 procfs 访问策略；对训练数据和模型权重实施离线备份；关注 Sysdig TRT 完整报告中的 IOC 指标。
