Des chercheurs en sécurité ont identifié une campagne mondiale en pleine accélération, qui exploite une faille connue de Ray, un framework open source largement utilisé pour l’IA distribuée et le calcul haute performance.
Les chercheurs en sécurité d’Oligo ont d’abord détecté l’activité début novembre 2025, après avoir découvert que les attaquants distribuaient des logiciels malveillants spécifiques à chaque région via des dépôts GitLab.
Cette nouvelle vague marque une évolution majeure par rapport à l’activité ShadowRay initialement observée en mars 2024, et témoigne d’un niveau accru de sophistication et d’agilité opérationnelle chez les acteurs de la menace.
À l’échelle de l’attaque
Les chercheurs ont également souligné l’ampleur de l’exposition, notant que « … plus de 230 000 serveurs Ray sont désormais exposés à Internet, contre seulement quelques milliers lors de notre découverte initiale de ShadowRay. »
La dernière attaque, connue sous le nom de ShadowRay 2.0, exploite la vulnérabilité CVE-2023-48022 pour compromettre des clusters d’IA à grande échelle et les convertir discrètement en infrastructures de minage de cryptomonnaies.
Le groupe à l’origine de la campagne, qui opère sous le nom de IronErn440, a transformé les capacités légitimes d’orchestration de Ray en mécanismes d’exploitation à grande échelle et à propagation autonome.
Après la suppression du dépôt malveillant par GitLab le 5 novembre, les attaquants ont rapidement transféré leurs opérations vers GitHub, où la campagne s’est poursuivie sans interruption.
Fonctionnement de l’attaque ShadowRay 2.0
La campagne se déroule en plusieurs étapes coordonnées, à commencer par la reconnaissance.
Les acteurs de la menace utilisent interact.sh, une plateforme d’interaction hors bande, pour identifier les instances Ray vulnérables sans effectuer de scans bruyants susceptibles de déclencher les systèmes de détection d’intrusion.
Les attaquants ciblent ensuite l’API Jobs sans authentification, qui leur permet de déclencher des callbacks depuis les tableaux de bord Ray exposés et de confirmer quels serveurs peuvent être compromis.
Une fois identifiés, les serveurs vulnérables reçoivent des tâches malveillantes soumises directement via les mécanismes d’orchestration de Ray.
Ces tâches comprennent des scripts Python conçus pour inventorier les ressources du cluster, allouer de la puissance de calcul à des charges de travail malveillantes et déployer des mineurs de cryptomonnaies conçus pour se fondre dans les processus système légitimes.
Fait notable, les mineurs utilisent généralement environ 60 % des ressources CPU et GPU disponibles, un seuil délibéré qui maximise l’efficacité du minage tout en réduisant le risque de détection par les administrateurs qui surveillent les pics d’utilisation des ressources.
Les attaquants utilisent la NodeAffinitySchedulingStrategy de Ray pour propager le logiciel malveillant à l’ensemble d’un cluster.
Un échantillon de charge utile observé par les chercheurs télécharge et exécute un script d’installation, inventorie les nœuds actifs et déploie des composants malveillants supplémentaires sur chaque système.
La persistance est assurée par des tâches cron, le détournement de services systemd et l’injection de clés SSH dans des comptes privilégiés.
Les techniques de furtivité de la campagne
ShadowRay 2.0 met en œuvre des techniques avancées d’évasion. Les processus malveillants sont renommés pour ressembler à des workers légitimes du noyau — comme [kworker/0:0] — ainsi qu’à des services liés au DNS, afin de dissimuler leur présence.
Les attaquants se livrent également à une véritable guerre du cryptojacking, en installant des scripts qui détectent et arrêtent les autres mineurs présents sur le même hôte.
Ils bloquent en outre les pools de minage concurrents en modifiant les fichiers hosts et en appliquant des règles iptables pour empêcher leurs rivaux de reprendre le contrôle de l’infrastructure compromise.
L’opération comprend également une personnalisation régionale.
Les victimes situées en Chine reçoivent des charges utiles acheminées par des mécanismes proxy conçus pour contourner les contrôles réseau locaux.
Des vérifications de géolocalisation via des services tels que ip-api[.]com permettent aux attaquants d’adapter leurs scripts d’infection en fonction de l’emplacement du serveur compromis.
Ce niveau d’adaptation suggère une stratégie opérationnelle mature, influencée par les principes de l’infrastructure as code (IaC), dans laquelle les mises à jour des charges utiles sont gérées par des commits GitLab successifs plutôt que par un redéploiement sur les machines victimes.
Principales mesures pour bloquer les menaces de type ShadowRay
Pour se défendre contre ShadowRay 2.0 et les attaques similaires, les organisations doivent adopter une approche proactive et à plusieurs niveaux pour sécuriser leur infrastructure d’IA.
Les clusters Ray fonctionnant souvent avec des privilèges étendus et une grande capacité de calcul, une seule mauvaise configuration peut constituer un point d’entrée majeur pour les acteurs de la menace.
- Corriger et sécuriser les déploiements Ray en installant les versions corrigées, en activant l’authentification pour les tableaux de bord et les API, et en désactivant les composants inutilisés.
- Limiter l’exposition des points d’accès Ray en les plaçant derrière des pare-feu ou des contrôles d’accès zero trust, et en supprimant autant que possible leur accès à Internet public.
- Renforcer les nœuds CI/CD et de calcul avec des autorisations à moindre privilège, le RBAC et l’isolation des conteneurs afin de limiter les mouvements latéraux et les abus de privilèges.
- Surveiller en continu le comportement du cluster, notamment les anomalies CPU/GPU, l’exécution suspecte de sous-processus, les modifications non autorisées de cron/systemd et l’ajout inattendu de clés SSH.
- Limiter les flux sortants des nœuds Ray et des environnements CI afin de bloquer les connexions aux mineurs, le trafic de commande et contrôle et l’exfiltration de données.
- Protéger les workflows de développement et de gestion des dépôts au moyen de commits signés, de protections de branches et de mesures contre l’empoisonnement de la chaîne d’approvisionnement.
- Adopter des pratiques d’infrastructure éphémère et résiliente, comme le réimageage automatique des nœuds de calcul et la rotation régulière des identifiants, afin de réduire la fenêtre de persistance des attaquants.
La mise en place de couches de défense autour des outils d’orchestration, des workflows de développement et de l’infrastructure de calcul contribue à éviter qu’une seule mauvaise configuration ne devienne un point de défaillance systémique.
L’essor des risques de sécurité liés aux infrastructures d’IA
ShadowRay 2.0 illustre la convergence croissante entre les infrastructures d’IA et la cybercriminalité.
En exploitant une seule faille, les attaquants peuvent prendre le contrôle de puissants clusters de calcul distribué et les détourner à grande échelle à des fins illicites.
Alors que les charges de travail d’IA gagnent en complexité et en intensité en ressources, la sécurisation d’outils d’orchestration comme Ray est essentielle pour prévenir les utilisations abusives à grande échelle et protéger l’écosystème au sens large.
Ces défis expliquent pourquoi les organisations adoptent le zero-trust pour réduire la confiance implicite au sein de leurs environnements d’IA.