JadePuffer Targetkan Data Model AI dengan Ransomware Khusus EncForge
JadePuffer, threat actor berbasis autonomous AI agent, dilaporkan telah meningkatkan kemampuan serangannya dengan malware khusus bernama EncForge yang dirancang untuk mengenkripsi aset AI dan machine learning.
Target yang disasar tidak lagi sebatas file umum pada server korban. EncForge berfokus pada aset bernilai tinggi dalam ekosistem AI, termasuk training dataset, vector database, embedding index, serta model checkpoint yang digunakan dalam proses pelatihan dan fine-tuning.
JadePuffer sebelumnya dikenal sebagai agentic threat actor yang mampu menjalankan tahapan serangan ransomware secara otonom, mulai dari initial access hingga enkripsi data. Dalam insiden terbaru, kemampuan adaptasinya kembali terlihat ketika operator menghadapi kendala teknis dan menyesuaikan metode intrusi secara cepat.
Menurut laporan Sysdig, penyerang kembali masuk ke instance Langflow yang sebelumnya telah dibobol dan rentan terhadap CVE-2025-3248. Dari sana, mereka menjalankan ransomware berbasis Go yang dibuat khusus untuk infrastruktur AI dan machine learning.
Setelah mendapatkan akses, pelaku mencari kredensial cloud, API token, serta layanan internal yang dapat dijangkau. Mereka kemudian menemukan Docker socket yang terekspos, sehingga memperoleh kontrol tingkat root pada lingkungan tersebut.
Ketika upaya awal untuk mengunduh payload ransomware gagal, operator mengembangkan dan menjalankan enam script Python dalam waktu sekitar lima menit. Versi terakhir, yang disebut deploy.py v2, berhasil menyelesaikan kendala pengiriman payload dan menjalankan proses enkripsi.
Payload tersebut mampu menemukan process ID target, menyalin EncForge melewati namespace boundary melalui procfs, melakukan pemindaian percobaan, menjalankan enkripsi, lalu menghitung file berekstensi .locked untuk memverifikasi keberhasilan eksekusi.
Binary berbasis Go yang diamati dikemas dengan Ultimate Packer for eXecutables (UPX) dan menargetkan sekitar 180 ekstensi file. Daftar targetnya mencakup checkpoint model AI, file Hugging Face SafeTensors, model PyTorch dan TensorFlow, bobot GGUF dan GGML, indeks FAISS, serta dataset dalam format Parquet, Arrow, TFRecord, NumPy, dan DuckDB.
Petunjuk command-line malware juga mencantumkan LoRA adapters dan file GGML lama sebagai contoh target tambahan. Hal ini menunjukkan bahwa EncForge tidak dibuat sebagai file encryptor generik, melainkan disusun khusus untuk menyerang lingkungan AI modern.
EncForge menggunakan AES-256 dalam counter mode untuk mengenkripsi file, sementara kunci simetrisnya diamankan menggunakan kunci publik RSA-2048. Untuk mempercepat proses, malware hanya mengenkripsi bagian tertentu dari setiap file, bukan seluruh isi file.
File yang terenkripsi diberi ekstensi .locked, lalu ransom note dijatuhkan untuk memberi tahu korban bahwa serangan telah terjadi dan sebuah identitas unik telah diberikan.
Dalam intrusi yang dianalisis, peneliti tidak menemukan bukti bahwa JadePuffer mengekfiltrasi data. EncForge sendiri juga tidak terlihat memiliki mekanisme pencurian data, sehingga tekanan utamanya berada pada penghancuran ketersediaan aset AI melalui enkripsi.
Analisis varian Linux menemukan adanya fungsi anti-recovery khas Windows, seperti penghapusan shadow copy dan penonaktifan boot recovery. Sementara itu, keberadaan versi macOS sempat tersirat dalam kode, tetapi belum dapat dikonfirmasi.
Dampak serangan terhadap model weight, training dataset, dan vector index bisa sangat besar. Kehilangan aset tersebut dapat membuat organisasi mengulang proses training atau fine-tuning selama berminggu-minggu hingga berbulan-bulan, dengan potensi kerugian puluhan ribu hingga ratusan ribu dolar per model.
Untuk mengurangi risiko, organisasi disarankan menerapkan patch keamanan yang tersedia, terutama Langflow versi 1.3.0 atau yang lebih baru. Akses Docker socket juga perlu dibatasi, container Langflow sebaiknya tidak berjalan sebagai root, dan direktori model weight perlu dilindungi dengan kontrol akses tingkat filesystem.
Kasus JadePuffer menandai perubahan penting pada lanskap ransomware. Ketika pipeline AI menjadi aset produksi bernilai tinggi, data pelatihan, checkpoint model, dan vector database kini menjadi target langsung yang dapat digunakan untuk menekan korban.
Sumber: Sysdig
