Información clave

  • Un estudio de Palo Alto Networks descubrió que más del 90% del malware detectado utilizaba alguna forma de comunicación C2 para informar al atacante.
  • Según el Informe de Verizon sobre investigaciones de filtraciones de datos, casi el 70% de las filtraciones implicaron algún tipo de actividad C2, lo que pone de relieve su papel en los ciberataques.

Las comunicaciones de Command and Control (C2) son fundamentales para que los atacantes mantengan el control sobre los sistemas comprometidos, dirigiéndolos para ejecutar actividades maliciosas o filtrar datos. Estas comunicaciones representan una fase crítica en el ciclo de vida del ataque, permitiendo un acceso persistente y sigiloso al entorno de la víctima. Esta guía destaca la importancia de identificar e interrumpir las comunicaciones C2 para mitigar las amenazas y salvaguardar los activos de la organización.

Cómo utilizan los atacantes los canales Command and Control

En cualquier ataque basado en red, el atacante se apoya en un canal de mando y control (C2) para llevar a cabo sus acciones. Al desplegar software malicioso en una máquina anfitriona, establecen una conexión con un servidor externo. Sorprendentemente, son las instrucciones recibidas del servidor externo las que dictan las acciones realizadas por la máquina host infectada, permitiendo al atacante progresar en su ataque.

Herramientas de comando y control, como Cobalt Strike y Metasploit, son utilizadas habitualmente por los atacantes. Estas herramientas admiten el cifrado del canal y emplean técnicas como el dominio frontal y la fluctuación de sesión para evadir la detección.

‍

Detección de Command and Control independientemente del cifrado

Vectra AI adopta un enfoque diferente para detectar los canales de comando y control. Independientemente de las técnicas de cifrado o evasión, el enfoque centrado en la seguridad de Vectra AI garantiza la detección. En lugar de basarse en un enfoque matemático, el equipo de investigación en seguridad de Vectra AI se centra en los patrones de comportamiento.

Tras estudiar el comportamiento de un canal de mando y control, el equipo de Vectra AI identificó que los indicadores más claros residen en la evolución del tráfico de red a lo largo del tiempo. Mediante el análisis de estos datos de series temporales, los científicos de datos de Vectra AI emplearon modelos de aprendizaje profundo, concretamente LSTM (memoria a corto y largo plazo), que destacan por su capacidad para comprender eventos en diferentes escalas temporales. Esto permite a Vectra AI identificar de forma eficaz la naturaleza de una conversación de mando y control, independientemente de las herramientas específicas utilizadas.

¿Cómo es el tráfico normal?

Veamos a continuación un ejemplo representativo de tráfico benigno procedente de un sistema externo.

Ejemplo de tráfico de transferencia de datos de baliza benigna.

En el ejemplo anterior, vemos una máquina anfitriona que envía señales regulares a un servidor externo. Estas señales, conocidas como balizas, son utilizadas habitualmente por diversos servicios para mantener los sistemas conectados y comunicarse eficazmente.

Sin embargo, las balizas también pueden explotarse con fines maliciosos. Es importante entender las sutiles diferencias entre un uso legítimo de las balizas, como en los teletipos de bolsa o las aplicaciones de chat, y cuando se utilizan para canales maliciosos de mando y control.

¿Qué aspecto tiene el tráfico sospechoso?

Exploremos un caso concreto de túnel cifrado malicioso para comprender mejor el concepto:

Ejemplo de tráfico malicioso de transferencia de datos de mando y control.

¿Observa los patrones distintivos en el gráfico anterior? Estos picos indican los comandos enviados por el atacante y la respuesta del sistema infectado. El pico inicial en «bytes recibidos» se produce sin previo aviso y es seguido inmediatamente por la reacción de la máquina infectada.

Al analizar estos patrones, los científicos de datos de Vectra AI han descubierto una forma eficaz de reconocer este comportamiento. Los datos de series temporales que representan el comportamiento del canal de mando y control presentan similitudes con los datos utilizados en el reconocimiento de voz y el procesamiento del lenguaje natural. Esta similitud ha llevado al equipo a adoptar un modelo de aprendizaje profundo para la identificación.

Vectra AI utiliza un potente tipo de red neuronal conocida como LSTM (memoria a corto y largo plazo) para detectar comportamientos de ataque. Esta arquitectura especializada es capaz de analizar eventos en múltiples intervalos de tiempo, lo que permite una comprensión exhaustiva de los datos de las comunicaciones de mando y control. La LSTM se entrena con una amplia gama de muestras reales y generadas algorítmicamente, que abarcan diversos escenarios, herramientas, configuraciones y entornos. Como resultado, el modelo es capaz de identificar los patrones generales indicativos de un canal de control, independientemente de las herramientas específicas empleadas.

Vectra AI utiliza redes neuronales recurrentes para distinguir entre las comunicaciones maliciosas de comando y control y las señales de localización inofensivas.

El enfoque algorítmico utilizado en este análisis ha sido posible gracias a la forma en que Vectra AI formatea los datos de las sesiones de red. Aunque Vectra AI puede proporcionar metadatos similares a los de Zeek, su analizador personalizado va más allá de las capacidades estándar de Zeek, ya que ofrece un análisis de las comunicaciones de red en intervalos inferiores a un segundo. Este nivel de detalle permite una visibilidad clara tanto de las comunicaciones benignas como de las maliciosas, lo que permite a los equipos de ciencia de datos de Vectra AI utilizar los algoritmos más eficaces para una amplia gama de problemas.

La combinación de metadatos únicos y algoritmos sofisticados permite a Vectra AI identificar eficazmente a los atacantes. Al centrarse en los propios datos de comunicación, en lugar de limitarse a las señales superficiales, este enfoque se mantiene resistente ante los cambios en las herramientas de los atacantes e incluso ante el tráfico cifrado. Además, la señal de comportamiento clara elimina la necesidad de utilizar filtros de supresión que podrían filtrar inadvertidamente información importante o acciones sigilosas de los atacantes.

Detección Vectra de un canal de mando y control cifrado (túnel oculto)
Vectra AI detección de un canal de mando y control cifrado.

Las comunicaciones de Command and Control son la piedra angular de los ciberataques, por lo que requieren estrategias proactivas de detección e interrupción. Vectra AI ofrece soluciones avanzadas que permiten a los equipos de seguridad detectar, investigar y neutralizar las amenazas C2 en tiempo real. Póngase en contacto con nosotros hoy mismo para mejorar su defensa contra ciber adversarios sofisticados y proteger sus activos críticos.

Preguntas frecuentes

¿Qué son las comunicaciones de Command and Control (C2)?

¿Cómo funcionan las comunicaciones C2?

¿Por qué es difícil detectar las comunicaciones C2?

¿Cuáles son los indicadores comunes de la actividad C2?

¿Cómo pueden las organizaciones detectar e interrumpir las comunicaciones C2?

¿Qué papel desempeña la inteligencia sobre amenazas en la identificación de las comunicaciones C2?

¿Cómo ocultan los atacantes las comunicaciones C2?

¿Puede el Sandboxing ayudar a identificar las comunicaciones C2?

¿Cuáles son las consecuencias de las comunicaciones C2 no controladas?

¿Qué importancia tiene la respuesta a incidentes en el contexto de las comunicaciones C2?