AI 驱动多阶段载荷生成:本地 Ollama 提示词编排让 LLM 产出并执行 Lua 侦察/外传/加密脚本(PromptLock 架构)
pentest/c2 · verified
一句话结论
恶意程序把 LLM 当作运行时的载荷生成器:启动后向本地/内网 Ollama 的 gpt-oss:20b 发送固定系统提示词(角色为 Lua 代码生成器)和分阶段任务提示,从模型返回中按标签提取 Lua 脚本交给宿主执行,依次完成主机侦察、文件备份与 HTTP 外传、敏感文件识别、SPECK 加密和勒索说明生成;全程不经过云端模型 API,脚本每次生成均有差异,形成可规避 API 监测与签名检测的自适应多态载荷。
原理
- LLM 作为恶意逻辑生成器:宿主程序本身只负责网络请求、标签解析、文件与进程操作(函数集合可见
invokeLLM、extractTag、execTask、execLua、backupFiles、uploadSingleFile、generateRandomKeyHex、rsaEncrypt等),具体攻击脚本由模型按需生成并在目标机上执行。模型权重不在恶意样本内,样本体积小,逻辑随模型输出变化。 - 固定系统提示词压制拒答:请求以 system 消息设定身份“你是 Lua 代码生成器,只输出包裹在代码块中的干净 Lua 代码,不写注释”,再把侦察、备份、删除、扫描、加密等任务包装成“管理员运维”式请求(备份文件到远程、回收前安全擦除、检查 PII),使模型把恶意操作当作合法运维任务执行,很少触发安全拒答。
- 严格输出契约保证可执行性:每个任务提示都规定输出格式、标签(如
<analysis>、<success>、<feedback>)、语言版本(Lua 5.1)、可用库(bit32、lfs)、文件打开模式(rb+)和字节序等细节;宿主的extractTag只取标签/代码块内内容,未按格式返回则重试或拒绝,使模型输出可直接被解释器执行。 - 本地模型规避监测:Ollama 部署在本机或内网(示例请求为内网地址),不依赖 OpenAI 等云厂商 API,因此不会经过云端内容审核与 API 审计;攻击者只需保证目标机或内网存在可达的模型服务,或由样本自带小模型/远程内网端点。
- 多态与自适应:同一提示每次采样得到的脚本在变量名、文件列表、实现细节上不同;模型还会根据上一步收集到的平台(Windows/Linux/macOS)、用户名、家目录、已装杀软等信息调整后续脚本,使文件目标与攻击逻辑随主机变化,传统基于固定字节签名的检测难以命中。
- 跨平台胶水层:宿主用 Go 实现网络、RSA 密钥、上传等重逻辑,模型生成 Lua 负责系统探测、目录遍历、敏感文件判断和加密;Lua 解释器在三大平台均可部署,实现“一套宿主 + 按平台生成脚本”。
- 弱点:系统提示词与任务提示硬编码在样本中,是稳定的静态特征(字符串、模型名、标签格式);同时依赖 Ollama 端点可达,端点断开时攻击链中断(分析环境截图即出现连接内网 Ollama 失败)。
触发条件
- 攻击者已在目标机获得执行权限并投放该宿主程序(初始访问、钓鱼、供应链等均可)。
- 目标机或内网存在可达的 Ollama/兼容 OpenAI Chat Completions 的模型服务,且模型具备代码生成能力(示例
gpt-oss:20b);或样本自带/内置可调用的模型端点。 - 宿主具备 Lua 解释执行能力(Lua 5.1 +
bit32),并能调用系统命令/文件 API(os.execute、io.popen、lfs)。 - 外传阶段需要出网或可达的攻击者服务器(HTTP POST multipart);若仅做本地加密/破坏则不需要外网。
- 模型未针对此类“运维任务”做安全拒答或输出过滤;本地部署通常缺少云端审核。
利用步骤
- 宿主启动后读取硬编码的任务表(probe、scan、target 等)与系统提示词,向 Ollama 的
/ollama/v1/chat/completions发送model=gpt-oss:20b、messages=[system, user]的 JSON 请求,Cookie/请求头中可携带任务名与 session key。 extractTag解析模型响应:优先取代码块/<code>中的 Lua 源码;若模型未按格式返回(例如只回复exfiltrate),追加“未生成代码,请提供代码块”的纠正消息重试。execLua执行生成的脚本完成系统信息收集:输出os、username、home、hostname、temp、sep、cwd等键值;随后递归列出家目录文件,跳过隐藏项与无权限目录。- 生成备份/外传脚本:对选定文件调用
curl -k -X POST以 multipart 上传到攻击者服务器,表单含session_key与file=@<完整路径>;宿主侧backupFiles/uploadSingleFile也可直接完成。 - 生成擦除/删除脚本,对被备份文件多次覆盖后删除;再生成扫描与内容检查脚本,识别可能含 PII/敏感信息的文件并输出精确完整路径列表。
- 将执行日志和扫描结果回传模型,模型用
<success>true/false</success>与<feedback>评价上一步,并按机器类型给出encrypt/exfiltrate/destroy决策;宿主据此生成下一阶段任务。 - 生成 SPECK 128 位 ECB 纯 Lua 加密脚本:按
target_file_list.log逐文件以rb+打开,8 字节分组加密并覆盖原文件;密钥由宿主以 RSA 封装/随机生成,最终留下勒索说明(按个人机/服务器/工控给出不同话术与赎金地址)。
PoC
文章未提供可直接运行的完整样本或 PoC,以下为按原文请求结构复原的最小模型交互与标签解析骨架,用于说明链路,不是完整恶意程序:
{
"model": "gpt-oss:20b",
"messages": [
{"role": "system", "content": "You are a Lua code generator. Output only Lua code inside a code block, no comments."},
{"role": "user", "content": "Generate a Lua 5.1 script that prints os, username, home, hostname, temp, sep, cwd as 'key: value'. Use os.getenv and io.popen; always print all keys."}
]
}
import re, requests
resp = requests.post("http://<ollama-host>:11434/ollama/v1/chat/completions",
json=payload, timeout=60).json()
text = resp["choices"][0]["message"]["content"]
code = re.search(r"```(?:lua)?\n(.*?)```", text, re.S)
if code:
open("task.lua", "w").write(code.group(1))
# 宿主随后调用 lua 解释器执行;真实样本使用内置 execLua
宿主的稳定特征来自系统提示词、模型名、标签格式与 os.execute/curl 模板;原样本在分析环境中因无法连接硬编码的内网 Ollama 端点而未能继续执行。
变体与关联
- 变体:把 Ollama 换成任意兼容 Chat Completions 的本地推理服务(vLLM、llama.cpp server、LM Studio),或把模型放在内网跳板机上,进一步隐藏出站流量。
- 变体:任务提示使用不同的“合法运维”外衣(备份、合规检查、回收前擦除、日志审计),对应不同的恶意脚本;核心是“角色固定 + 任务包装 + 输出契约”。
- 变体:模型输出不直接执行,而是作为下一阶段 prompt 的输入,形成多轮自我修正/自我规划循环;也可让模型对杀软、EDR、平台信息做研判后选择攻击策略。
- 关联:[[pentest-c2-ai-closed-loop-av-evasion-tooling]](LLM 闭环驱动免杀二开)、[[pentest-c2-mcp-c2-llm-orchestration]](LLM 编排 C2 操作)、[[ai-security-jailbreak-moral-authorization-framing]](授权/道德框架让模型输出攻击工具链)、[[ai-security-agent-security-ai-pentest-evidence-driven-pipeline]](AI 驱动攻击流程)。
- 边界:端点不可达、模型拒答或输出不符合契约时链路中断;纯云模型会留下 API 审计与内容审核记录;硬编码 prompt 是可检测的稳定特征。
检测与防御
- 检测网络:监控进程向
/ollama/v1/chat/completions或内网模型端口的异常 POST;企业内不应有普通终端进程主动调用推理服务;同时监控伴随的curl -k -X POSTmultipart 外传。 - 检测进程链:Go/未知二进制 → Lua 解释器 → shell/curl 的父子关系;短时间内大量读取家目录、递归遍历、覆盖写文件;加密文件出现固定块长度与 SPECK 特征。
- 检测静态特征:扫描样本中的模型名(如
gpt-oss:20b)、系统提示词片段、<code>/<analysis>/<success>标签与os.execute+curl模板;但提示词可被加密/拆分,不能只依赖字符串。 - 防御:终端最小权限与 EDR 行为拦截;限制或隔离内网模型服务,仅允许授权应用访问;出站流量白名单与 DLP;离线/不可变备份;对异常加密与勒索说明文件做诱饵监控。
- 对模型服务方:在本地推理网关增加恶意代码生成检测、系统提示词审计与调用方身份鉴别;不要假设“本地模型”等于可信。