新的Loki恶意软件变种正在通过网络钓鱼电子邮件传播

近期出现的网络钓鱼邮件传播Loki恶意软件新变种,通过伪装成发票的ISO文件附带可执行文件,从受害者系统窃取软件凭证。新变种更新了C&C服务器URL并加密存储。

上周四,一封新出现的网络钓鱼邮件引起了FortiGuard Labs团队的注意。经过快速分析之后,研究人员发现它正在传播Loki恶意软件的一个新变种。在FortiGuard Labs发表的博文中,其研究人员向我们介绍它都会干些什么。

图1.网络钓鱼电子邮件

你可以看到,在图1所示的网络钓鱼电子邮件包含了一个名为“Invoice 5001H5.iso”的附件。这个ISO文件看起来像是发票文件,并且电子邮件的正文也提到附件是发票。没有什么值得奇怪的,这些都是用来说服受害者打开受感染附件的常用手段。

ISO文件是一种镜像文件,可以通过虚拟DVD软件(如“WinISO”或“PowerISO”)作为虚拟DVD驱动器挂载,也可以通过文件归档实用程序(如“7Zip”和“Winzip”)打开。图2展示的是在文件归档工具中打开后的ISO文件。如你所见,其中包含一个可执行文件。

图2.在文件归档工具中打开的ISO样本

可执行文件的名称是“Invoice 5001H5.exe”。幸运的是,这个ISO文件不包含autorun.inf文件。我们都知道,autorun.inf文件可以在ISO文件作为虚拟DVD驱动器挂载后自动运行任何可执行文件。在Windows 10及更高版本中,只需双击ISO文件,就可以通过内置方法将ISO文件作为虚拟DVD驱动器挂载。

“Invoice 5001H5.exe”文件是使用MS Visual Basic开发的,于2018年11月14日凌晨12:27:07编译。图3展示的是PE工具中该文件的屏幕截图。

图3. PE工具中的样本信息

当可执行文件运行时,它会将第二个可执行文件提取到其内存中,然后运行该文件,而提取的文件就是Loki的主模块。研究人员将它与其之前在2017年分析过的一个样本进行了快速对比,发现它执行了与之前版本完全相同的工作,其目的是从受害者的Windows系统中窃取软件凭证。目标软件可分为浏览器软件、IM软件、FTP软件、游戏软件、文件管理器软件、SSH /VNC客户端软件、密码管理器软件、电子邮件客户端软件和Notes/To-do List软件。有关Loki恶意软件的更多详细信息,请参阅FortiGuard Labs之前的博客

对于这个新变种而言,唯一的新东西是其C&C服务器的URL,它在其内存中加密。图4展示的是解密后的URL,在新变种中为“hxxp://utl-ae.ml/img/tim/Panel/five/fre.php”。

图4. 解密后的C&C服务器URL

图5展示的是向此C&C服务器报告的Loki数据包的屏幕截图,以及从研究人员的Windows测试系统中窃取的软件凭证。

图5.将被盗凭证发送到其C&C服务器

IoCs

URL:

"hxxp://utl-ae.ml/img/tim/Panel/five/fre.php"

样本SHA256

[Invoice 5001H5.iso]

31F6B075E2F4C9D6463839BE7A2CEFDABF99A488329CEA185D2F333A5F9FF8B7

[Invoice 5001H5.exe]

37F936321D0925413DC203C318B631E71040E07A1FB4B7057778D6F628B2A346

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值