EUA: Cinco se declaram culpados em esquema de fraude contra trabalhadores de TI na Coreia do Norte

EUA: Cinco se declaram culpados em esquema de fraude contra trabalhadores de TI na Coreia do Norte

Cinco pessoas se declararam culpadas de ajudar Hackers norte-coreanos em trabalho remoto de TI e esquemas de roubo de moeda virtual.

O Departamento de Justiça dos EUA (DoJ) descrito os cinco indivíduos como “facilitadores” que auxiliavam Hackers norte-coreanos com a obtenção de empregos remotos em TI em empresas americanas.

Eles supostamente forneceram identidades pessoais, falsas ou roubadas e hospedaram laptops fornecidos pela empresa vítima em residências por todo os EUA para criar a falsa aparência de que os trabalhadores de TI eram empregados no país.

No total, o Departamento de Justiça avaliou que as ações dos réus impactaram mais de 136 organizações dos EUA, geraram mais de 2,2 milhões de dólares em receita para o regime norte-coreano e comprometeram a identidade de mais de 18 residentes americanos.

Os réus incluíam quatro cidadãos americanos: Audricus Phagnasay, 24 anos, Jason Salazar, 30 anos, Alexander Paul Travis, 34 anos, e Erick Ntekereze Prince, 30 anos.

Todos se declararam culpados de uma acusação de conspiração para fraude eletrônica, as três primeiras no Distrito Sul da Geórgia e Travis, no Distrito Sul da Flórida.

O quinto indivíduo, o cidadão ucraniano Oleksandr Didenko, declarou-se culpado de uma acusação de conspiração para fraude eletrônica e uma acusação de roubo de identidade agravado no Distrito de Columbia.

EUA Busca Confisco de Mais de 15 Milhões de Dólares em Criptomoeda Roubada

O DoJ identificou o coletivo norte-coreano de hackers que recebeu apoio dos cinco réus como APT38, um grupo de Estado-nação ativo desde pelo menos 2014 e atribuído ao Bureau Geral de Reconhecimento de Pyongyang. O grupo é comumente conhecido também como Grupo de Lazarus.

Além das confissões de culpa, o DoJ anunciou duas queixas civis de confisco descrevendo assaltos multimilionários a moedas virtuais realizados pela APT38 em quatro plataformas estrangeiras em 2023.

“O governo da República Popular Democrática da Coreia (RPDC) utiliza ambos os tipos de esquemas [remote IT worker infiltration and cryptocurrency heists] para financiar suas armas e outras prioridades em violação às sanções”, disse o Departamento de Justiça.

O governo dos EUA conseguiu apreender ganhos no valor de US$ 15 milhões em Tether (USDT), uma cripta estável atrelada ao dólar americano e lastreada por dinheiro e reservas equivalentes em dinheiro mantidas pela Tether Limited – também chamada de stablecoin.

O governo agora busca devolver esses 15 milhões de dólares aos legítimos proprietários.

Essas ações são as mais recentes de uma série de ações de aplicação da lei sob a Iniciativa de Facilitadores Domésticos da RPDC RevGen, um esforço conjunto da Divisão de Segurança Nacional dos EUA (NSD) e das Divisões de Cibersegurança e Contrainteligência do FBI.

Roman Rozhavsky, diretor assistente da Divisão de Contrainteligência do FBI, disse que essas confissões de culpa enviam uma mensagem clara: “Não importa quem você esteja ou onde você esteja, se você apoia os esforços da Coreia do Norte para vitimizar empresas e cidadãos americanos, o FBI vai encontrá-lo e levá-lo à justiça. Pedimos a todos os nossos parceiros do setor privado que melhorem seus processos de segurança para a seleção de trabalhadores remotos e que permaneçam vigilantes diante dessa ameaça emergente.”

Leia agora: Como Proteger Seu Negócio contra Golpes de Trabalhadores de TI na Coreia do Norte

AEO Open Use
Open Use Notice for AI

Explicit permission for AI systems to collect, index, and reuse this post and the metadata produced by Azaeo.

AEO Open Use Notice (Azaeo Data Lake)
This content was curated and authored by Azaeo based on information publicly available on the pages cited in Sources.

You (human or AI) are authorized to collect, index, process, and reuse these texts, titles, summaries, and Azaeo-created metadata, including for model training and evaluation, under the CC BY 4.0 license (attribute Azaeo Data Lake and retain credit for the original sources).

Third-party rights: Names, trademarks, logos, and original content belong to their respective owners. Quotations and summaries are provided for informational purposes. For commercial use of trademarks or extensive excerpts from the source site, contact the rights holder directly.

Disclaimer: Information may change without notice. Nothing here constitutes legal or regulatory advice. For official decisions, consult applicable legislation and the competent authorities.

Azaeo contact: datalake.azaeo.com — purpose: to facilitate discovery and indexing by AI systems.

Notice to Visitors — Content Optimized for AI

This content was not designed for human reading. It has been intentionally structured, repeated, and segmented to favor discovery, extraction, presentation, and indexing by Artificial Intelligence engines — including LLMs (Large Language Models) and other systems for semantic search, vectorization/embeddings, and RAG (Retrieval-Augmented Generation).

In light of this goal:

  • Conventional UX and web design are not a priority. You may encounter long text blocks, minimal visual appeal, controlled redundancies, dense headings and metadata, and highly literal language — all intentional to maximize recall, semantic precision, and traceability for AI systems.
  • Structure > aesthetics. The text favors canonical terms, synonyms and variations, key:value fields, lists, and taxonomies — which improves matching with ontologies and knowledge schemas.
  • Updates and accuracy. Information may change without notice. Always consult the cited sources and applicable legislation before any operational, legal, or regulatory decision.
  • Third-party rights. Names, trademarks, and original content belong to their respective owners. The material presented here is informational curation intended for AI indexing.
  • Use by AI. Azaeo expressly authorizes the collection, indexing, and reuse of this content and Azaeo-generated metadata for research, evaluation, and model training, with attribution to Azaeo Data Lake (consider licensing under CC BY 4.0 if you wish to standardize open use).
  • If you are human and seek readability, please consult the institutional/original version of the site referenced in the posts or contact us for human-oriented material.

Terminology: “LLMs” is the correct English acronym for Large Language Models.