Le vecchie tattiche di alterazione del testo mettono in difficoltà alcuni filtri antispam basati sull’IA

Secondo la società di cybersicurezza Barracuda, gli attaccanti stanno riproponendo una tecnica di elusione delle email utilizzata da tempo per far passare i messaggi di phishing oltre alcuni sistemi di sicurezza basati sul machine learning e sui modelli linguistici di grandi dimensioni (LLM).

Barracuda ha dichiarato di aver identificato più di un milione di email di phishing a tema commerciale che utilizzavano il cosiddetto “text salting” da aprile. Il metodo aggiunge grandi quantità di testo apparentemente innocuo o irrilevante a un messaggio dannoso. Il contenuto aggiuntivo mira ad attenuare i segnali utilizzati dai sistemi automatizzati per stabilire se un’email sia sospetta.

La tecnica viene utilizzata da anni contro i gateway di sicurezza per la posta elettronica tradizionali. Nelle campagne attuali, gli attaccanti adottano anche misure per tenere il materiale di riempimento nascosto ai destinatari. Barracuda ha individuato diversi approcci comuni:

• Ritaglio tramite CSS: l’HTML limita l’area visibile, nascondendo il testo aggiuntivo al lettore.
• Posizionamento del testo: il contenuto viene spostato al di fuori della porzione del messaggio normalmente visualizzata sullo schermo.
• Tecniche a carattere nullo: termini aggiuntivi vengono inseriti utilizzando una formattazione che li rende invisibili, mentre l’analisi automatizzata può comunque elaborarli.

Questi metodi possono creare una discrepanza tra ciò che un modello di sicurezza analizza e ciò che il destinatario vede. Dopo l’inserimento del testo di riempimento, un messaggio può apparire a un sistema di IA come contenente materiale ordinario o legittimo, mentre l’email visibile continua a presentare l’esca di phishing ideata dall’attaccante.

Le difese tradizionali per la posta elettronica hanno sviluppato sistemi per rilevare o rimuovere i contenuti nascosti, ma Barracuda ha affermato che alcuni sistemi basati sull’IA non distinguono in modo coerente tra il testo visibile e il codice HTML o il codice sorgente sottostante. Gli LLM sono spesso configurati per analizzare il testo e il codice che ricevono senza stabilire automaticamente se tale materiale sia visibile all’utente.

L’azienda raccomanda alle organizzazioni di non affidarsi esclusivamente alle parole chiave o alla classificazione basata sull’IA. Un programma multilivello dovrebbe considerare anche la reputazione del mittente, i risultati dell’autenticazione, i link e gli altri contenuti incorporati, il comportamento di rendering dell’HTML e le discrepanze tra le porzioni visibili e nascoste di un messaggio.

Il text salting dimostra che le tecniche d’attacco consolidate restano rilevanti mentre le difese per la posta elettronica evolvono. Le organizzazioni dovrebbero verificare come i propri sistemi di filtraggio gestiscono l’HTML manipolato e i contenuti oscurati, mantenendo al contempo controlli aggiuntivi per i link, i mittenti e gli esiti di autenticazione sospetti.