独家技术分析 | 新型勒索病毒Mindlost

简介: 1月15日安全研究组织MalwareHunter发现了Mindlost勒索软件的第一批样本。 阿里云安全团队第一时间对该勒索软件进行了技术分析。通过此分析报告希望给业界研究者提供参考依据并为可能受到影响的企业与机构提供安全建议。

1月15日,安全研究组织MalwareHunter发现了Mindlost勒索软件的第一批样本。

阿里云安全团队第一时间对该勒索软件进行了技术分析。通过此分析报告,希望给业界研究者提供参考依据,并为可能受到影响的企业与机构,提供安全建议。

一、  概述

阿里云安全团队分析后发现,该病毒运行后会”隐藏”自己,然后后台加密采用随机秘钥的128位的aes算法,加密样本账户的电脑的Users目录下的文件,如果后缀为".txt",".jpg",".png",".pdf",".mp4",".mp3",".c",".py"的文件就直接加密,且解密赎金达到200美元。其加密完成后显示的提示图片如下:


dbb818d98abd7e1495ea8ede81be262beb49fa46

被加密的企业和个人,需要通过在线网站使用信用卡的方式支付赎金。

根据目前披露的信息,该勒索软件并未大量主动分发,严重性不及WannaCry 和 Petya。阿里云安全团队推测,这是一个正在开发中的勒索软件。

但从样本的变化看,后续可能会有新的版本和变种出现;我们会持续关注,针对勒索软件的防护和处理建议。

二、技术分析

1. Mindlost勒索病毒的执行流程如下:

8dbe86127904dd367d17cf011d540f6d7a9edbb0

2. 技术实现细节:

该Mindlost勒索病毒的是一个由C#语言编写的程序,且该病毒作者还采用AgileDotNetRT.dll反编译插件,将所有代码全部混淆,增加了反编译难度。具体功能实现细节如下:

a.将自己写入注册表,实现自启动:

9c34eb46ff54f7ec6b5fc48860adb51a76a9e262

b.检测虚拟机:

90b38e03f17319264d618a5999c6542c1aaf3540

c.检测该样本账户机器是否已经被加密过,如果该样本账户的uuid已经在他的服务器数据库中,且没有支付赎金,则不再加密该样本账户

febc2a48f94902f23277a8b6cccfb4e371f30a9a

d.创建aes的随机秘钥的代码如下:

00cb9769b4cefd15681e679423d2164afa65c38e

e.获取样本账户C:\\Users目录下的所有文件,如果文件后缀为".txt",".jpg",".png",".pdf",".mp4",".mp3",".c",".py"则对该文件进行加密,被加密文件的后缀为.enc,如果文件目录是载"Windows","Program Files","Program Files (x86)"目录下,则放弃对该目录文件的加密,最后如果C:\\Users目录下没加密的文件则被删除。

88c7a2299f1fd972c50ee97658e10f847e2a1e16

f. 加密完成后,会将加密的私钥上传到病毒作者的服务器上,代码如下:

b3505690ce01d6682c96b7979b3003385b90b31a

g.下载提示样本账户付款的图片,且将该图片改成该样本账户电脑的桌面背景,代码如下:

e970cb544cff807f9d31766504be26b8bb5e4003

三、 C&C地址分析

在分析代码的过程中,我们发现了该病毒连接数据库服务器和样本账户名和密码:

Data Source = victimssqlserver.database.windows.net;

user id=daniel;

password=Lifsgledi979

交赎金网站:http://Mindlost.azurewebsites.net,目前已经失效


e52c707effbc4f0fd8d9863b5f262937ec490df2

四、  补充信息和防护建议

目前,阿里云安全团队总共获取到Mindlost的6个样本文件,通过时间戳分析,最早编译时间在2018.01.15, 此时的样本并未做代码混淆。

在2018.01.25编译的版本中,已经对代码做了混淆。但所有样本都包含调试信息,其中较为敏感的是pdb文件路径” 

/Users/danielohayon/Documents/Mindlost/Mindlost/Mindlost/Encryptor/obj/Debug/Encryptor.pdb”,Mindlost的名字也是来自于此,路径中还包含了样本账户名danielohayon,由此猜测该勒索病毒还在开发中,就被已各安全人员发现。

当然,也不排除作者故意留下关键路径迷惑大家。

像这样的勒索软件样本,阿里云安全团队每天都会处理很多,大多都能通过及时的预警,病毒库与防御规则更新,将其在云上的影响降至最低。截至2月3日,阿里云平台客户不受MindLost勒索软件影响。

补充阅读:

阿里云安全团队建议:https://yq.aliyun.com/articles/427148?spm=a2c4e.11155435.0.0.1ba8a9dbcPcizn

加密勒索病毒处理方案 https://help.aliyun.com/knowledge_detail/50358.html

加密勒索事件防护方案 https://help.aliyun.com/knowledge_detail/48701.html





相关文章
|
7月前
|
Java 区块链 开发工具
模拟个人所得税APP,模拟计算Tezos智能合约
该项目基于Tezos区块链开发,旨在提供智能合约与自动化计算服务,主要技术栈包括智能合约编程语言与相关区块链开发工具。
981 0
|
SQL 存储 关系型数据库
菜鸟之路Day29一一MySQL之DDL
本文《菜鸟之路Day29——MySQL之DDL》由作者blue于2025年5月2日撰写,主要介绍了MySQL中的数据定义语言(DDL)。文章详细讲解了DDL在数据库和表操作中的应用,包括数据库的查询、创建、使用与删除,以及表的创建、修改与删除。同时,文章还深入探讨了字段约束(如主键、外键、非空等)、常见数据类型(数值、字符串、日期时间类型)及表结构的查询与调整方法。通过示例代码,读者可以更好地理解并实践MySQL中DDL的相关操作。
586 11
|
人工智能 算法 异构计算
用“吃火锅”来讲清楚大模型是什么
大语言模型就像一个超级聪明的“火锅AI服务员”,它通过海量数据训练,能根据你的需求推荐菜品、回答问题、甚至陪你聊人生哲学。它有超强的记忆力和灵活的应变能力,能接住各种奇葩问题,还会跟你玩梗互动。虽然偶尔会瞎编答案,但它绝对是个知识型选手。本文用轻松的“火锅局”方式,带你深入了解大语言模型的工作原理和特点。
515 1
|
7月前
|
存储 API 调度
养“虾”更高效:OpenClaw多Agent协同搭建+阿里云/本地部署+百炼api对接及避坑指南
2026年,OpenClaw(俗称“龙虾”,曾用名Clawdbot)的核心价值已从单一智能体执行升级为多Agent协同作战。单Agent模式在面对长流程、多任务场景时,极易出现上下文爆炸、任务排队、风格串味等问题,而多Agent团队通过“分工明确、隔离运行、协同调度”的模式,能完美解决这些痛点——就像一个专业团队,每个成员各司其职,在编排者的统筹下高效完成复杂任务。本文将从**多Agent团队搭建核心逻辑**、**阿里云+本地多系统部署步骤**、**阿里云百炼Coding Plan API配置**、**常见问题解答**四大板块出发,搭配可直接执行的代码命令和实操案例,实现OpenClaw从部署
1283 3
|
8月前
|
C++
为什么显存总是不够:不是模型的问题
本文揭示显存紧张的真相:它 rarely 源于模型过大,而是系统设计失配的早期信号——用实验思维跑工程负载、并行堆能力替代分阶段判断、以显存兜底策略缺失。显存告警,实为提醒:该优化架构,而非压榨资源。
|
11月前
|
缓存 关系型数据库 MySQL
网站源码二次开发基础:环境搭建与简单修改步骤
本文围绕 PageAdmin(PA)开源 CMS 展开,聚焦新手二次开发核心:先明确 PHP、MySQL 等环境需求,以 PHPStudy 为例详解安装配置、源码部署、数据库创建及系统安装步骤;再阐述后台登录、基础信息修改、栏目与内容管理、简单模板调整及缓存清理等实操流程,为新手提供清晰易懂的入门指南。
1472 11
|
存储 SQL 分布式计算
|
安全 物联网 API
核验身份证的一致性API的实战指南
随着网络空间安全问题日益突出,实名制成为保障安全与秩序的重要手段。探数API的身份证实名认证工具通过姓名和身份证号核验用户身份真实性,并返回扩展信息,广泛应用于各行业。本文介绍了其实现功能、调用流程及代码示例,同时解答了关于个人信息安全等常见疑问。接入该API不仅满足合规要求,更能提升用户信任,降低运营风险,共同构建安全高效的数字未来。
1438 1
|
存储 前端开发 JavaScript
React 文件上传组件 File Upload
本文介绍了如何在 React 中实现文件上传组件,包括基本的概念、实现步骤、常见问题及解决方案。通过 `<input type="file">` 元素选择文件,使用 `fetch` 发送请求,处理文件类型和大小限制,以及多文件上传和进度条显示等高级功能,帮助开发者构建高效、可靠的文件上传组件。
1233 3
|
机器学习/深度学习 存储 分布式计算
Java 大视界 --Java 大数据机器学习模型在金融风险压力测试中的应用与验证(211)
本文探讨了Java大数据与机器学习模型在金融风险压力测试中的创新应用。通过多源数据采集、模型构建与优化,结合随机森林、LSTM等算法,实现信用风险动态评估、市场极端场景模拟与操作风险预警。案例分析展示了花旗银行与蚂蚁集团的智能风控实践,验证了技术在提升风险识别效率与降低金融风险损失方面的显著成效。