Zscaler descobre malware CoffeeLoader residente em GPU

A descoberta do malware CoffeeLoader residente em GPU pela Zscaler é perfilada pela BTW Media porque evidências publicadas a vinculam à infraestrutura da internet, governança, dependências operacionais ou visibilidade de mercado.

• A empresa de cibersegurança Zscaler identificou o « CoffeeLoader », um malware que executa código na GPU de um sistema para escapar da detecção.
• O CoffeeLoader utiliza técnicas avançadas como a falsificação de pilha de chamadas e a resolução dinâmica de APIs para infiltrar sistemas.

O que aconteceu:Descoberta de um malware baseado em GPU

Os analistas de cibersegurança daZscalerdescobriram uma nova cepa de malware chamada « CoffeeLoader » que explora as unidades de processamento gráfico (GPUs) para executar código, escapando assim dos métodos de detecção tradicionais. Diferente dos malwares convencionais que operam dentro da unidade central de processamento (CPU), o CoffeeLoader descarrega parte da execução de seu código para a GPU, tornando-o menos suscetível às ferramentas de segurança padrão. Essa abordagem permite que o malware realize a descriptografia e outras atividades maliciosas no espaço de memória da GPU, que é menos frequentemente monitorado pelos softwares antivírus.

Usando a GPU como coprocessador, o CoffeeLoader pode manter uma presença furtiva em sistemas infectados, complicando os esforços de detecção e remediação. Os analistas observam que este método representa uma evolução significativa nas táticas de malware, pois explora as capacidades de processamento paralelo das GPUs para melhorar a eficiência e a ocultação do malware.

Leia também:As 2 fases mais comuns da análise de malware
Leia também:3 principais diferenças entre análise estática e dinâmica de malware

Por que isso é importante

A emergência de malwares residentes em GPU como o CoffeeLoader destaca uma mudança nas estratégias dos cibercriminosos em direção a vetores de ataque mais sofisticados. As medidas de segurança tradicionais focam principalmente no monitoramento das atividades da CPU, deixando as operações da GPU relativamente não supervisionadas. Essa lacuna oferece uma oportunidade para malwares explorarem os recursos da GPU para fins maliciosos. O uso de GPUs para execução de código não só melhora a furtividade do malware, mas também seu desempenho, dada a capacidade da GPU de lidar eficientemente com tarefas paralelas.

Essa evolução apresenta desafios para os profissionais de cibersegurança, exigindo a adaptação das estratégias de detecção e mitigação para incluir o monitoramento da atividade da GPU. Como as GPUs são essenciais para diversas tarefas computacionais, incluindo inteligência artificial e processamento de dados, garantir sua segurança é primordial para manter a integridade geral do sistema.