Anthropic meldt dat het een campagne heeft verstoord van een door een Russische staat gesteunde dreigingsactor. Volgens het bedrijf werd Claude gebruikt binnen een AI-gestuurde workflow om malware te kunnen rebuilden nadat beveiligingsproducten signalen van detectie gaven. Daarmee komt een belangrijk patroon terug: wanneer aanvallers sneller kunnen aanpassen, wordt het voor verdedigers steeds lastiger om statische detecties tijdig effectief te houden.
De activiteit wordt toegeschreven aan een cluster dat Anthropic GTG-20006 noemt (Generative Threat Group). De beschrijving sluit aan bij eerdere berichtgeving die dit cluster linkt aan Midnight Blizzard, ook bekend als APT29 en Cozy Bear.
Waarom “AI-gebruik malware rebuilden” detectie onder druk zet
De kern van de aanpak zit in een automatische cyclus: zodra onderdelen van de toolkit worden gezien door security-oplossingen, grijpt de actor in en ontwikkelt en herbouwt hij de betreffende malware opnieuw. Dat ondermijnt de verdediging omdat tools die vooral leunen op statische kenmerken (zoals vaste handtekeningen of eerder bekende artefacten) minder snel grip krijgen op de nieuwe varianten.
Anthropic beschrijft dat de actor AI inzette om te monitoren hoe goed de eigen tooling omzeilt tegen bekende verdedigingsmechanismen. Zodra een monitoring-agent ziet dat een deployed sample gedetecteerd wordt, start een proces om het betreffende stuk code aan te passen en opnieuw te bouwen, met als doel bestaande blokkades te omzeilen.
De toolkit en het aanvalsmodel dat daarbij past
GTG-20006 zou een set programma’s en componenten hebben ontwikkeld voor verschillende fasen van een aanval. Daarbij gaat het onder meer om twee Windows-based implants, een mobiel exploitatiepakket en een tool voor het stelen van credentials gericht op wachtwoordopslag in browsers.
Daarnaast wordt een phishingplatform genoemd dat zich richt op “priority targets”, inclusief een administratieve console om gecompromitteerde accounts te beheren. De verspreiding verloopt niet alleen via standaard e-mailroutes: wanneer malware eenmaal voorbij detectie kan komen, wordt die voorbereid op disposable hosting en vervolgens aangeboden via omleidingsscenario’s.
Hosting, domeinregistratie en C2: AI als orkestrator
Naast het bouwen van malware wordt AI volgens Anthropic ook ingezet in het operationele ritme van de campagne. Zo zouden AI-workflows worden gebruikt om domeinen te registreren, hosting-infrastructuur op te zetten voor phishing en om berichten te leveren én command-and-control (C2) kanalen te monitoren.
In de periode van verkenning en live aanvallen zouden meer dan twintig organisaties zijn geselecteerd. Daarbij gaat het om overheidsinstellingen en instanties rond defensie en inlichtingen, maar ook om diplomatieke missies, denktanks en defense-industrial bedrijven, met focus op Oekraïne en Europa. De activiteit zou daarnaast zijn uitgebreid naar het Midden-Oosten en naar maritieme overheidsinstanties in Azië.
Slachtoffers werden ook geraakt via hotel-netwerken en DNS-hijacking
Een onderdeel dat opvallend concreet is: Anthropic meldt dat de actor ten minste drie hospitality-vendors zou hebben gecompromitteerd die hotelgast- Wi‑Fi aanbieden. Met gestolen administratieve referenties werden DNS-records aangepast zodat die verwezen naar infrastructuur van de aanvaller—een methode die bekendstaat als DNS hijacking.
Gasten die verbinding maakten met Wi‑Fi van de betrokken leveranciers, zouden vervolgens verkeer, device-identificaties en IP-adressen naar servers van de actor zien gaan. Op basis van die gegevens probeert de actor daarna gericht verdere lures en payloads te leveren.
ClickFix-achtige lures en device-specifieke malware
Na de omleiding kregen slachtoffers volgens de beschrijving “ClickFix-style” lokazen voorgelegd om malware te installeren die is afgestemd op het type device. Voor Windows gaat het om meerdere namen, waaronder PowerChrome, WUEngine, Shadow C2, MiniPlasma en CloudSyncSvc. Voor Android wordt GiftDrop genoemd, beschreven als een rebrand van een Android-surveillance RAT. Voor iOS wordt DarkSword genoemd.
Het belangrijkste is niet alleen dat er malware is voor meerdere platforms, maar ook dat de actor prioriteit geeft aan maatwerk op basis van het apparaat. Daardoor kan dezelfde campagne verschillende routes hebben zonder dat één component automatisch “alles” moet doen.
Extra doelgerichte verrijking met gestolen data
Anthropic stelt dat de actor data zou hebben gestolen uit hotelmanagementsystemen én uit het apparaat van individuele gasten. Daarmee kon hij extra targets identificeren, met name personen die gelinkt zijn aan Oekraïne, zoals overheidsfunctionarissen en fabrikanten rond drones.
Deze verrijking vergroot de kans dat phishing en payloadkeuze aansluiten op de juiste context. Dat maakt de aanval niet alleen technisch maar ook organisatorisch effectiever.
WhatsApp-compromissen via headless browser en tokenexfiltratie
De actor zou ook pogingen hebben gedaan om WhatsApp-accounts over te nemen. Daarbij zouden headless browsers worden gebruikt om slachtofferaccounts te linken als companion devices. Daarna zouden er bulkexports zijn uitgevoerd van Russische en Oekraïense taalsessies, met onderdrukking van read receipts.
Hoewel dit een ander type doelwit is dan de eerdere implant/payload-route, past het wel in dezelfde logica: met gestolen of afgeleide toegang kan de actor verdere informatie verzamelen en tegelijk communicatie beïnvloeden.
Surveillanceplatformen: tokens en camera-stream toegang
Daarnaast richtte de dreigingsactor zich volgens Anthropic op surveillanceplatformen. Daarbij zouden authorization flaws in interfaces van camera streaming-diensten zijn gevonden. Vervolgens werden gebruikers geïnventariseerd en werden tokens verzameld die toegang verleenden tot live camera streams van slachtoffers.
Dit laat zien dat “AI-gebruik” niet alleen gaat over het herschrijven van malware, maar ook over het versnellen van stappen rondom ontdekking en toegang. Minder wrijving in de keten betekent meer snelheid en meer kans op schaal.
Koppeling met andere campagnes en eerdere waarnemingen
Anthropic noemt dat de activiteit overlapt met een campagne die eerder CaptiveCrunch werd genoemd. Dat werd in recente maanden gedocumenteerd door partijen waaronder ReliaQuest, Microsoft, Google en Lumen Black Lotus Labs. De overlap zit vooral in de bredere tactieken rondom toegang, verkenning en phishing-achtige deliverystromen.
Ook op het bredere thema “AI in aanvallen” past deze melding bij eerdere analyses over hoe AI aanvallen kan verbeteren—bijvoorbeeld door het tempo te verhogen of door varianten te produceren die beter aansluiten op detectieomgevingen. Als je meer wilt lezen over hoe AI-gestuurde technieken nieuwe risico’s kunnen vormen, kun je ook kijken naar artikelen over AI distillation-aanvallen en de bijbehorende risico’s en over hoe AI aanvallen schaalbaar kan maken.
Wat betekent dit voor verdedigers?
De melding benadrukt een verschuiving: als aanvallers AI gebruiken om zichzelf te optimaliseren voor detectieomzeiling, wordt de kostenpost voor verdedigers hoger. Waar een nieuwe detectie voorheen mogelijk aanvallers kon vertragen via een “whack-a-mole”-effect, lijkt het hier juist omgekeerd: zodra detectie ontstaat, kan de actor sneller een aangepaste versie terug in roulatie brengen.
Dat betekent dat organisaties meer moeten kijken dan alleen naar statische signatures. Denk aan het combineren van detectie op gedrag, het verscherpen van responseprocessen en het beperken van de impact van omleidingen en credential theft. Vooral omdat de beschreven campagnes niet leunen op één enkel pad—ze bevatten verkenning, infrastructuur, device-specifieke payloads en meerdere manieren om toegang te verrijken.
Conclusie
Anthropic’s beschrijving van GTG-20006 toont hoe AI-gebruik malware rebuilden in de praktijk kan uitpakken: aanvallers proberen hun toolkit automatisch te laten aanpassen zodra detectie optreedt. Daardoor blijft statische herkenning achter en verschuift de uitdaging naar defenders die sneller moeten leren, reageren en breder moeten detecteren.
Voor wie zich voorbereidt op dit soort dreigingen is één boodschap helder: verwacht geen “een keer patchen en klaar”-scenario’s. In plaats daarvan vraagt effectieve verdediging om continu bijsturen, omdat de aanvalcyclus door AI-gestuurde workflows net zo snel kan evolueren als detectie.
Bron: https://thehackernews.com/2026/09/russian-state-sponsored-hackers-use.html
