Cisco Talos heeft CAIRN aangekondigd, een onderzoeksinstrument ontworpen om malwaremonsters te detecteren, te classificeren en te relateren dat gebruikmaakt van kunstmatige intelligentie (AI). Het project stelt een op metadata gebaseerde methodologie voor waarmee deze programma’s kunnen worden onderzocht zonder dat binairen hoeven te worden gedownload of uitgevoerd. In plaats daarvan wordt gebruik gemaakt van sporen zoals referenties naar modelproviders, instructiesjablonen, orkestratiemechanismen en andere artefacten die verband houden met AI-gebruik.
De kern van CAIRN in 30 seconden
- CAIRN is een verzameling tools van Cisco Talos voor onderzoek naar malware met AI.
- Het systeem werkt met metadata en vereist geen download of uitvoering van de geanalyseerde bestanden.
- Het maakt gebruik van maximaal 24 filters, YARA-regels, semantische clustering en relationele grafen.
- Talos heeft een evolutie vastgesteld van optionele AI-functies naar monsters met meer autonomie.
- Het project is als open source gepubliceerd, waardoor de gemeenschap filters en regels kan uitbreiden.
Cisco Talos gaat uit van een eenvoudige gedachte: wanneer kwaadaardige software AI bevat, blijven hieraan gerelateerde sporen achter. Dit kunnen verwijzingen zijn naar modellevers, call-structuren, tekenen van lokaal uitgevoerde modellen of zelfs teksten bedoeld om geautomatiseerde analysemiddelen te beïnvloeden.
Talos noemt deze elementen “cognitieve artefacten” en gebruikt ze als uitgangspunt voor een metadata-centrieke onderzoeksmethodologie. Dit benadering maakt het mogelijk om relaties tussen monsters te identificeren zonder meteen het codebestand te analyseren.
CAIRN staat voor Cognitive Artifact Intelligence Research Network en wordt gepresenteerd als een toolkit voor het traceren, classificeren en volgen van de ontwikkeling van malware met AI. Bovendien is het als open source project uitgebracht, met plannen om de resultaten van eerste onderzoeken verder uit te breiden.
De definitie van malware met AI door Talos omvat software die systemen van AI en hun ecosystemen manipuleert, aanvallen of uitbuit. Deze categorie varieert van AI-integratie in een aanvalsketen tot het compromitteren van inloggegevens en infrastructuur gerelateerd aan dergelijke systemen.
Een metadata-gebaseerde zoekaanpak
CAIRN werkt zonder bestanden te downloaden of uit te voeren. Het systeem gebruikt beschikbare informatie over monsters, zoals geëxtraheerde strings, gedrag in sandboxes en detectielabels van antivirusprogramma’s.
De tool heeft tot 24 filters om AI-gerelateerde sporen op te sporen. Sommige filters zoeken naar verwijzingen naar modellevers, terwijl andere patronen in code detecteren die gerelateerd zijn aan AI-ontwikkelrameworks of signaling van lokale modellen.
Daarnaast worden filters gebruikt om teksten die mogelijk proberen analyse te vermijden te identificeren, evenals patronen die passen bij agent-tools. Belangrijk is dat het niet automatisch betekent dat een van deze indicatoren techneutsporen van daadwerkelijke AI-gebruik aangeeft; ze vormen eerder kandidaten voor verdere studie.
De resultaten worden opgeslagen in een SQLite-database en geanalyseerd met YARA-regels. Talos onderscheidt hierin drie niveaus:
Tier 1 (T1) identificeert primitieve artefacten zoals verwijzingen naar diensten of bepaalde call-structuren om eerst te bevestigen dat er technologie-gerelateerde sporen aanwezig zijn.
Tier 2 (T2) voegt gedragcontext toe. Door verschillende indicatoren te combineren kunnen mogelijk operationele AI-gebruikssignalen worden vastgesteld, al vormt het geen definitieve bewijsvoering.
Tier 3 (T3) richt zich op het identificeren van malwarefamilies met bevestigde operationele AI-sporen. Talos benadrukt dat de definitieve conclusies altijd validatie via reverse engineering vereisen.
Deze aanpak zorgt voor een duidelijke scheiding tussen loutere verwijzingen naar AI en daadwerkelijke functionele integraties. Dit is belangrijk omdat sommige programma’s mogelijk slechts strings bevatten die verwijzen naar AI-tools zonder dat ze deze daadwerkelijk gebruiken.
CAIRN combineert YARA, grafen en semantische analyse
Een kerncomponent van CAIRN is de relationele grafverkenner. Deze bouwt een graaf die monsters verbindt op basis van metadata zoals domeinen, certificaten, verzendinformatie of specifieke identificatoren.
Bij het vinden van een interessant monster kunnen onderzoekers deze relaties gebruiken om andere varianten, gedeelde infrastructuur of gekoppelde componenten in een campagne te identificeren.
Het systeem breidt het onderzoek uit van een enkel bestand naar een gerelateerd geheel. Talos stelt vragen als: zijn er varianten van dezelfde familie? Welke infrastructuur wordt gedeeld? Welke loaders en componenten worden in de campagne gebruikt?
CAIRN maakt ook gebruik van YARA-regels voor classificatie, die afgestemd zijn op metadata in plaats van volledige inversieanalyse. Hierdoor is het mogelijk om sneller en op grotere schaal te zoeken, hoewel de precisie lager kan zijn dan met diepgaande code-analyse.
Daarnaast gebruikt CAIRN semantische modellering met embeddings. Het systeem combineert verschillende metadata-items zoals AV-detecties, domeinen, URL’s, inhoudsfragmenten, resource-informatie en gedragspatronen uit sandbox-executies die worden geëxtraheerd om gelijkenissen te vinden.
De verkenner visualiseert deze relaties met technieken zoals UMAP en HDBSCAN, die grote datasets kunnen groeperen. Het is belangrijk te benadrukken dat groepsindeling geen definitief bewijs is dat monsters tot dezelfde familie behoren; het dient als aanwijzing voor verder onderzoek.
Snelle evolutie van malware met AI volgens Talos
De eerste analyses met CAIRN dateren vanaf juli 2025, waarbij Talos de eerste publieke gevallen van AI-ondersteunde malware identificeert, waaronder LAMEHUG, dat in verband wordt gebracht met CERT-UA.
Een opvallende trend is de evolutie naar hogere autonomie. Volgens Talos gaat het van sporadisch gebruik van taalmodellen tot het ontwikkelen van systemen met meerdere modellen en coördinatiemechanismen, die zelfstandig kunnen opereren zonder directe menselijke input.
Onderzoek wijst bovendien uit dat technieken om analyse te bemoeilijken met AI zich snel tussen actoren verspreiden. Talos meldt dat een bepaalde instructie-techniek in afzonderlijke monsters is terug te zien, nadat het eerst in een andere set werd ontdekt.
Belangrijk is dat het identificeren van AI-indicatoren niet automatisch betekent dat een monster daadwerkelijk AI actief gebruikt. Fout-positieven komen veel voor, zeker bij gecompileerde of geprotetteerde software.
Daarom wordt in CAIRN altijd een tweede stap aanbevolen: bevestiging door nadere analyse, inclusief reverse engineering wanneer nodig. Het gebruik van de metadata-analyse dient vooral als een eerste aanwijzing voor verder onderzoek.
Het publiceren van CAIRN moet onderzoekers helpen om sneller en efficiënter deze nieuwe generaties van AI-actieve malware te detecteren en te bestuderen. Talos verwacht dat filters zich verder zullen ontwikkelen naar mechanismen die niet alleen AI-verwijzingen opsporen, maar ook de intentie achter de integratie kunnen bepalen.
Talos benadrukt dat CAIRN nog steeds een onderzoeksproject is en geen actuele dreiging op zich. De kracht ligt in het bieden van een methodologie die beveiligingsteams in staat stelt patronen te herkennen en correlaties aan te brengen op grotere schaal.
Door de code en methodologie open te stellen, hoopt Talos dat onderzoekers en security professionals filters, regels en analysemechanismen verder kunnen ontwikkelen. Het uiteindelijke doel is CAIRN te laten functioneren als een waardevol, complementair hulpmiddel naast traditionele malware-analyses, vooral naarmate aanvallers meer AI inzetten.
Veelgestelde vragen
Wat is CAIRN van Cisco Talos?
CAIRN is een verzameling onderzoekstools ontwikkeld door Cisco Talos om malware die AI gebruikt te detecteren, te classificeren en met elkaar te relateren.
Voert CAIRN kwaadaardige bestanden uit?
Nee. De methode maakt gebruik van metadata en vereist geen download of uitvoering van de bestanden voor de eerste fase van detectie en relatievorming.
Welke technieken gebruikt CAIRN?
CAIRN combineert filters, YARA-regels, relationele grafen en semantische modellen met embeddings.
Kan CAIRN automatisch bevestigen dat malware AI gebruikt?
Nee, dat niet. Talos waarschuwt voor mogelijk fout-positieven en benadrukt dat interessante resultaten telkens verder gevalideerd moeten worden via individuele analyse en, indien nodig, reverse engineering.
vía: blog.talosintelligence