Un nouveau logiciel malveillant baptisé MalTerminal réécrit les règles des cyberattaques en utilisant le GPT-4 d’OpenAI pour générer des rançongiciels et des shells inversés en temps réel.
Des chercheurs de SentinelLABS ont dévoilé cette découverte, la qualifiant de premier logiciel malveillant dopé à l’IA connu observé en conditions réelles.
« L’intégration des LLM dans les logiciels malveillants marque un changement qualitatif dans les méthodes des cyberadversaires », ont déclaré les chercheurs de SentinelOne dans un rapport publié sur leur site web. « Grâce à leur capacité à générer de la logique et des commandes malveillantes au moment de l’exécution, les logiciels malveillants intégrant des LLM posent de nouveaux défis aux défenseurs. »
MalTerminal marque un tournant dans la création de logiciels malveillants
L’émergence de MalTerminal marque un tournant dans le développement des logiciels malveillants.
Au lieu d’intégrer des charges utiles statiques, l’outil agit comme un générateur de logiciels malveillants : il demande à son opérateur de choisir entre un rançongiciel et un shell inversé, puis élabore du code Python inédit via l’API GPT-4. Cette innovation signifie que chaque exécution peut produire une logique unique, ce qui rend la détection fondée sur les signatures extrêmement difficile.
Du concept expérimental aux menaces réelles
La découverte fait suite à des recherches antérieures sur PromptLock, un rançongiciel expérimental universitaire découvert en août 2025 par ESET. Alors que PromptLock utilisait un modèle local pour illustrer le risque, MalTerminal montre que des cyberadversaires expérimentent déjà des attaques pilotées par des LLM dans des contextes réels.
MalTerminal a été découvert au sein d’un ensemble de scripts Python suspects et d’un binaire Windows compilé, MalTerminal.exe.
À l’intérieur de l’échantillon MalTerminal
L’analyse a révélé des clés API et des structures de prompts codées en dur dans les échantillons, permettant au logiciel malveillant d’interagir avec le point d’accès obsolète des complétions de chat d’OpenAI. Cela laisse penser que l’outil est antérieur à novembre 2023, ce qui en ferait le plus ancien échantillon connu de logiciel malveillant intégrant un LLM.
Lorsqu’il est exécuté, MalTerminal invite son opérateur à sélectionner un type d’attaque. Le binaire envoie ensuite une requête à GPT-4 et récupère dynamiquement du code de rançongiciel ou de shell inversé.
Comme la logique malveillante est récupérée au moment de l’exécution plutôt que stockée dans le binaire, les outils d’analyse statique ne peuvent pas facilement la détecter.
Les enquêteurs ont également découvert des utilitaires associés, notamment TestMal2.py et testAPI.py, qui reproduisaient les fonctions du logiciel malveillant principal, ainsi que FalconShield, un analyseur expérimental apparemment écrit par le même auteur. Ensemble, ces artefacts révèlent un écosystème d’outils conçus pour explorer les applications offensives et défensives des LLM.
Les conséquences pour les équipes de cybersécurité
MalTerminal et PromptLock soulignent la rapidité avec laquelle les acteurs de la menace pourraient adapter les grands modèles de langage à des fins malveillantes.
En intégrant l’IA aux charges utiles, les attaquants peuvent passer leurs opérations à l’échelle, contourner les défenses statiques et innover au-delà des méthodes traditionnelles des rançongiciels.
Comment les organisations peuvent réagir
Bien que les logiciels malveillants intégrant des LLM n’en soient encore qu’à leurs débuts, les défenseurs doivent se préparer à un avenir où le code malveillant sera créé à la demande. Les équipes de sécurité peuvent prendre les mesures suivantes :
- Surveiller toute utilisation non autorisée d’API ou tout appel suspect vers des points d’accès de grands modèles de langage.
- Appliquer des contrôles réseau pour détecter les connexions sortantes provenant d’exécutables inconnus.
- Révoquer ou renouveler rapidement les clés d’API exposées, et maintenir un contrôle strict de la distribution des clés.
- Intégrer l’analyse comportementale à l’exécution aux outils antivirus et de détection des terminaux.
- Former les équipes de réponse aux incidents à identifier les artefacts tels que les prompts codés en dur ou les clés intégrées.
Pour renforcer leur résilience globale, les organisations devraient adopter des principes de confiance zéro, appliquer l’authentification multifacteur et maintenir une gouvernance rigoureuse de toutes les intégrations d’IA afin de limiter les risques d’abus.
Même si ces menaces restent essentiellement expérimentales, elles révèlent des angles morts dans les modèles de sécurité actuels et obligent les défenseurs à rechercher de nouveaux indicateurs, comme le contenu des prompts.
Pour un autre aperçu de la manière dont l’IA peut être détournée, voir comment ChatGPT est utilisé pour contourner les CAPTCHA.