Onderzoekers waarschuwen voor PoeLLM malware: een nieuwe bedreiging die zich richt op publieke, kwetsbare AI- en LLM-omgevingen. In plaats van alleen gegevens te stelen, wil de aanvaller vooral rekenkracht inzetten voor illegale cryptomining en het botnet continu uitbreiden.
De campagne is gekoppeld aan een financieel gemotiveerde aanpak en is al sinds april 2026 in de waarneming. Inmiddels zijn er volgens de rapportage meer dan 3.400 geïnfecteerde servers geïdentificeerd.
Waarom juist AI- en LLM-infrastructuur een doelwit is
Exposed AI- en LLM-diensten zijn aantrekkelijk voor aanvallers omdat ze vaak krachtige hardware benutten. Bovendien kunnen die omgevingen kwetsbaar zijn als ze publiek bereikbaar zijn zonder voldoende bescherming of patching.
In de waargenomen aanvallen werden met name enterprise- en internetgerichte deployments geraakt, waaronder omgevingen zoals LiteLLM en Gotenberg. Daarnaast worden ook appliances genoemd zoals Gitea en Ivanti Sentry.
Het onderliggende idee is helder: aanvallers misbruiken de beschikbare compute-capaciteit om mining-software op de systemen te draaien, terwijl ze tegelijk proberen meer doelwitten te vinden.
Hoe werkt PoeLLM malware?
Volgens onderzoekers is de campagne erop gericht geïnfecteerde hosts opnieuw te gebruiken voor het uitbreiden van de operatie. Niet alleen blijven de systemen ingezet voor mining; een deel krijgt ook een rol als scanner en exploitbron.
Het proces verloopt in grote lijnen als volgt:
- Infectie van een doelserver die publiek toegankelijk is (via kwetsbaarheden en/of misbruik van services).
- Installatie van cryptominers, waaronder varianten zoals XMRig en Iron.
- Communicatie met een command-and-control (C2) mechanisme dat instructies doorgeeft, waaronder het ophalen van de payload.
- Hergebruik van gecompromitteerde systemen om het internet af te speuren naar vergelijkbare blootgestelde instances.
Bij dat “zoek- en uitbreidings”-gedeelte is opvallend dat geïnfecteerde systemen HTTP-verzoeken uitvoeren naar open poorten van nieuw gevonden doelwitten. De ontvangen instructies sturen vervolgens naar het ophalen van malware vanaf de C2.
Cryptomining via Kryptex en herhaald botnet-groei
De campagne wordt in verband gebracht met het inzetten van crypto mining-diensten. In het rapport wordt genoemd dat de slachtoffers worden gekoppeld aan Kryptex, een Russische cryptominingservice.
Onderzoekers schetsen ook hoe het botnet schaalvergroting vindt: gecompromitteerde hosts worden ingezet om andere kwetsbare systemen te ontdekken en te compromitteren. Daardoor blijft de groei niet beperkt tot één aanvallenreeks; elke nieuwe infectie kan dienen als opstap naar de volgende.
Command-and-control verstopt in een gedicht
Een van de meest besproken onderdelen is de manier waarop de C2-adressen worden verborgen. De malware is gecodeerd met de naam PoeLLM, mede vanwege een “creatieve” techniek: de C2-informatie wordt afgeleid uit woorden in een gedicht dat door de aanvaller is geplaatst in een GitHub-repository.
In de rapportage wordt een specifieke repository genoemd (github[.]com/ejejejdfbbebe), waarbij de eerste commit op 13 april 2026 is terug te vinden.
Wanneer de aanvaller een nieuwe C2 instelt, worden enkele woorden in het gedicht aangepast. De malware gebruikt vervolgens een sleutel die gekoppeld is aan die veranderde woorden om het adres te reconstrueren. Met andere woorden: de C2 wordt niet “zichtbaar” opgeslagen, maar afgeleid uit een ogenschijnlijk onschuldig tekstfragment.
Doelgroepen en aanvalspatronen
De aanvallen zijn vooral teruggevonden op enterprise-omgevingen die vanaf internet bereikbaar zijn. De focus op LLM-gerelateerde infrastructuur is niet toevallig: naast kwetsbaarheden is er ook waarde in het feit dat dergelijke systemen vaak op krachtige hardware draaien.
Verder melden onderzoekers dat het verkeer richting SSH en andere loginportalen later is toegenomen. Dat wijst op testen van aanvullend gedrag, zoals een vorm van gedistribueerde brute-force, hoewel de mate van volwassenheid nog niet duidelijk is.
Qua geografische verdeling lag de nadruk in de Verenigde Staten en West-Europa.
Operationele pieken en impact
Uit het rapport volgt dat de campagne op een bepaald moment sterk toenam. In de periode rond medio juni werden bijna 2.200 servers beïnvloed genoemd, met dagelijks bijna 800 actieve systemen.
Daarna lijkt de activiteit te verschuiven of te veranderen: in recentere observaties werd opnieuw meer focus gelegd op netwerkverkeer richting login- en beheerpoorten. Dat past bij een campagne die zowel zoekt naar nieuwe slachtoffers als verfijnt in toegangspatronen.
Wie zit achter PoeLLM?
De activiteit wordt toegeschreven aan een aanvaller die Italiaans gebruikt. Onderzoekers geven echter aan dat dit met gematigde zekerheid is gebaseerd op taalsporen in artefacten en netflow-indicatoren.
Los van de identiteit blijft de intentie duidelijk: bekende kwetsbaarheden in publiek beschikbare services inzetten om ze te activeren als onderdeel van een mining-botnet, waarbij een deel van de geïnfecteerde systemen ook als scanner dient.
Wat je kunt doen als je AI- of LLM-diensten draait
Als je werkt met AI- of LLM-infrastructuur die publiek toegankelijk is, is dit type aanval een duidelijke waarschuwing. Je hoeft niet te wachten tot je “opgemerkt” wordt; je kunt nu al de belangrijkste risico’s beperken.
Concreet helpen deze maatregelen:
- Beperk blootstelling: zet waar mogelijk niet direct internet-facing services in, of bescherm ze met strikte toegangscontrole.
- Patch en harden: controleer of je stack (bijvoorbeeld webcomponenten en appliances) up-to-date is, en sluit bekende gaten die misbruik mogelijk maken.
- Monitor ongebruikelijk gedrag: let op verdachte uitgaande connecties, frequente scanning-achtige patronen en plotselinge CPU-belasting door mining-processen.
- Beveilig loginkanalen: kijk kritisch naar SSH en andere toegangswegen; gebruik sterke authenticatie en detecteer brute-force gedrag.
Wil je dit soort bredere context gebruiken rondom agentic en AI-gerelateerde security, lees ook eens hoe security teams naar deze aanvallen kijken. Bijvoorbeeld: agentic pentesting: wat het bewijst en wat niet. Dat helpt om verwachtingen over “testen met AI” in perspectief te plaatsen.
Waarom deze trend verder gaat
De kernboodschap van PoeLLM malware is dat AI-infrastructuur niet alleen interessant is vanwege softwarekwetsbaarheden. De aanvaller profiteert ook van de praktische waarde: krachtige compute, vaak lange draaitijden en soms onvoldoende segmentatie tussen beheer en uitvoering.
Daarom is de kans groot dat we vergelijkbare campagnes blijven zien. Het is niet alleen een kwestie van “een malwarefamilie”, maar van een herhaalbaar verdienmodel: kwetsbare internetdiensten vinden, misbruiken voor crypto mining en het proces automatisch uitbreiden.
Conclusie
PoeLLM malware laat zien hoe snel aanvallers AI- en LLM-omgevingen kunnen omzetten in bronnen van illegale cryptomining. Met een C2-mechanisme dat C2-informatie verbergt in een gedicht, en met het hergebruik van geïnfecteerde hosts als scanners, kan de campagne zichzelf effectief uitbreiden.
Voor organisaties betekent dit: focus op patching, het verminderen van internetblootstelling en het vroeg herkennen van afwijkend gedrag in zowel compute- als netwerkstromen. Zo verklein je de kans dat jouw AI-infrastructuur onderdeel wordt van een groter botnet.
Bron: https://thehackernews.com/2026/10/poellm-malware-infects-3400-servers-to.html
