Abuso de acesso remoto é o maior indicador pré-ransomware – Against Invaders – Notícias de CyberSecurity para humanos.

Abuso de acesso remoto é o maior indicador pré-ransomware - Against Invaders - Notícias de CyberSecurity para humanos.

Abusos de Software de acesso remoto e os serviços são os indicadores ‘pré-ransomware’ mais comuns, de acordo com uma nova pesquisa da Cisco Talos.

Os adversários frequentemente utilizam serviços remotos legítimos, como RDP, PsExec e PowerShell, observaram os pesquisadores. Além disso, softwares de acesso remoto como AnyDesk, Atera e Microsoft Quick Assist eram frequentemente explorados.

A Cisco identificou essas táticas, técnicas e procedimentos (TTPs) como parte dos esforços dos cibercriminosos para obter acesso de administrador de domínio de nível empresarial em sistemas comprometidos.

Pré-ransomwarerefere-se ao estágio de um ataque em que os adversários realizam atividades como escalonamento de privilégios, coleta de credenciais e implantação de acesso remoto sem ainda executar criptografia em grande escala.

As mitigações sugeridas contra o abuso de tal software e serviços de acesso remoto incluem:

  • Configure soluções de segurança para permitir que apenas aplicativos benignos comprovados sejam iniciados e impedir a instalação de software inesperado
  • Exigir MFA em todos os serviços críticos, incluindo acesso remoto e serviços de gerenciamento de acesso de identidade (IAM), e monitorar o uso indevido de MFA
  • Implantar ferramentas como o Monitor do Sistema no Windows para visibilidade e registro em log do ponto de extremidade

Leia agora: Como as ferramentas de acesso remoto esquecidas estão colocando as organizações em risco

Outro TTP comum pré-ransomware era o despejo de credenciais do sistema operacional. Essa técnica está relacionada aos esforços para extrair credenciais de conta de um sistema comprometido para permitir o movimento lateral.

Os pesquisadores observaram que as principais técnicas/locais de despejo de credenciais incluíam o registro do controlador de domínio, a seção de registro SAM, o AD Explorer, o LSASS e o NTDS. DIT.

O código aberto Mimikatz também é frequentemente usada para extrair credenciais.

A descoberta de serviços de rede também foi destacada como uma tática pré-ransomware significativa. As principais ferramentas e comandos observados usados para descoberta de serviços de rede incluíram netscan, nltest e netview.

“Priorizar a moderação do uso de serviços remotos e software de acesso remoto e/ou proteger os armazenamentos de credenciais mencionados acima pode ajudar a limitar a maioria dos adversários vistos nesses compromissos pré-ransomware”, observaram os pesquisadores.

Os pesquisadores disseram ter grande confiança de que todos os incidentes incluídos no estudo envolveram táticas consistentemente vistas como precedendo a implantação do ransomware.

Chave de resposta rápida para evitar a implantação de ransomware

O Cisco Talos estudar, publicado em 8 de setembro, destacou a resposta rápida como fundamental para evitar a ocorrência de incidentes graves de ransomware.

Quando o Talos Incident Response (IR) foi acionado dentro de um a dois dias após a primeira atividade observada, a execução do ransomware foi impedida em um terço (32%) dos casos em que os ataques foram impedidos com sucesso.

Um alerta EDR/MDR que levou à contenção das equipes de segurança em duas horas foi identificado como um fator que contribuiu para o impedimento de 32% dos ataques.

Uma notificação de parceiros do governo dos EUA e representantes de seu provedor de serviços gerenciados (MSP) sobre uma possível preparação de ransomware em seu ambiente impediu a execução de ransomware em 14% dos casos.

Isso inclui alertas da Agência de Segurança Cibernética e Infraestrutura (CISA) Iniciativa de notificação pré-ransomware, lançado em março de 2023.

As restrições de segurança das organizações foram fundamentais para impedir as cadeias de ataque em 9% dos compromissos bem-sucedidos. Em um exemplo, os agentes de ameaças comprometeram uma conta de serviço na organização de destino, mas as restrições de privilégio apropriadas na conta impediram suas tentativas de acessar sistemas importantes, como controladores de domínio.

azaeo.com – datalake

File fishes formats available in:

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.