RedVDS Cybercrime Service Disrupted by Microsoft and Law Enforcement

Microsoft announced on Wednesday that it has teamed up with law enforcement to target RedVDS, a cybercrime service that has facilitated a wide range of malicious activities. 

Launched in 2019, RedVDS is a virtual dedicated server (VDS) service that enables cybercriminals to set up disposable Windows-based RDP servers that they can then leverage for mass phishing, BEC attacks, financial fraud, and account takeover.

A subscription costs as little as $24 per month, but reported fraud losses tied to RedVDS total $40 million in the US alone, Microsoft said. As an example, the tech giant named an Alabama pharmaceutical company that lost over $7.3 million following a BEC attack that involved the cybercrime service.

According to Microsoft, cybercriminals have used RedVDS to target organizations in the United States, the United Kingdom, Canada, France, Germany, and Australia, including sectors such as legal, manufacturing, healthcare, real estate, construction, and education. 

The tech giant tracks the threat group that operates and develops RedVDS as Storm-2470.

Microsoft was able to link many attacks to RedVDS due to most of the virtual servers using the same base Windows installation. The servers were generated from the same Windows Server 2022 image, and the server instances had the same computer name.

Advertisement. Scroll to continue reading.

“This host fingerprint appears in RDP certificates and system telemetry, serving as a core indicator of RedVDS activity. The underlying trick is that Storm-2470 created one Windows virtual machine (VM) and repeatedly cloned it without customizing the system identity,” Microsoft explained.

These RedVDS servers do not conduct the actual malicious activity on their own. Instead, they can be provisioned by threat actors for malicious activities.

The company’s analysis showed that the RedVDS servers were used for a wide range of purposes. Some cybercriminals installed mass mailer utilities that they used to send out spam and phishing emails. Others installed email address harvesters that enabled them to create target lists.

Cybercriminals also installed privacy-focused browsers and VPNs on their servers, as well as remote access tools such as AnyDesk. Some of the service’s users also leveraged AI tools to improve their operations, Microsoft reported. 

The company saw, in just one month, 2,600 RedVDS VMs sending an average of one million phishing emails per day to Microsoft customers.

“While most were blocked or flagged as part of the 600 million cyberattacks Microsoft blocks per day, the sheer volume meant a small percentage may have succeeded in reaching the targets’ inbox,” Microsoft said. “Since September 2025, RedVDS‑enabled attacks have led to the compromise or fraudulent access of more than 191,000 Microsoft email accounts across over 130,000 organizations worldwide.”

RedVDS disrupted

Microsoft has teamed up with international law enforcement to disrupt RedVDS. Actions taken against the cybercrime service include the seizure of domains associated with the RedVDS marketplace and customer portal.

Key servers have also been seized, and Microsoft is working with law enforcement to disrupt payment networks associated with the service.

Microsoft has filed legal action in the United States — and for the first time in the United Kingdom — in an effort to disrupt RedVDS infrastructure and identify the individuals behind the operation.

The news comes just months after Microsoft and Cloudflare teamed up to disrupt the RaccoonO365 phishing service. Some of the threat actors that used the RaccoonO365 service before its takedown have also used RedVDS.

Related: Microsoft Disrupts ONNX Phishing Service, Names Its Operator

Related: Google Says Chinese ‘Lighthouse’ Phishing Kit Disrupted Following Lawsuit 

Related: RaccoonO365 Phishing Service Disrupted, Leader Identified

https://www.securityweek.com/redvds-cybercrime-service-disrupted-by-microsoft-and-law-enforcement/




Robo-Advisor Betterment Discloses Data Breach

Robo-advisor pioneer Betterment has disclosed a cybersecurity incident after a threat actor used social engineering to breach its systems.

The attack involved third-party software platforms that the company uses for marketing and operations and was not the result of Betterment infrastructure hacking, the investment advisor said.

The threat actor on January 9 sent a crypto-related message to certain Betterment customers, impersonating the company to trick users into sending them funds.

The fraudulent message claimed that Betterment would triple fresh deposits made to Bitcoin and Ethereum cryptocurrency addresses controlled by the attacker.

“After the fraudulent message was sent on January 9, our teams immediately revoked the unauthorized access and launched a comprehensive investigation, which is ongoing,” Betterment said.

The company says it has contacted the affected customers directly to notify them of the scam.

Advertisement. Scroll to continue reading.

According to Betterment, no customer accounts were accessed in the attack, and no passwords or other credentials were compromised.

In a January 10 notice, the fintech firm explained that no accounts were compromised even if the affected users clicked on the links in the fraudulent message.

This week, however, Betterment revealed that the threat actor might have accessed certain customer information, including names, addresses, email addresses, phone numbers, and dates of birth.

“We encourage all customers to remain vigilant and to be cautious of unexpected communications. Please remember that Betterment will never call, text, or email you with a request to share your password or other sensitive personal information,” the company said.

What Betterment did not share was the number of potentially impacted individuals. SecurityWeek has emailed the company for additional information and will update this article if it responds.

Headquartered in New York City, Betterment is one of the largest robo-advisors in the US, with over 1 million customers and more than $65 billion worth of assets under management.

Related: After Goldman, JPMorgan Discloses Law Firm Data Breach

Related: Instagram Fixes Password Reset Vulnerability Amid User Data Leak

Related: Researcher Spotlights WhatsApp Metadata Leak as Meta Begins Rolling Out Fixes

Related: European Space Agency Confirms Breach After Hacker Offers to Sell Data

https://www.securityweek.com/robo-advisor-betterment-discloses-data-breach/




“Truman Show”: la truffa finanziaria che crea una realtà sintetica per ingannare le vittime


I ricercatori di Check Point Research hanno individuato una nuova forma di frode finanziaria che non si limita a creare pagine di phishing, ma genera una realtà sintetica alimentata dall’IA per ingannare le vittime. Nella truffa OPCOPRO, nota anche come “Truman Show”, gli attaccanti combinano personaggi generati dall’IA, comunità di investimento fittizie, app distribuite negli store ufficiali e una forte presenza mediatica per creare l’illusione di un programma di trading.

“Questo caso segna una svolta. La frode si sta evolvendo da truffe isolate a sistemi scalabili basati sull’intelligenza artificiale che industrializzano la creazione di fiducia e il furto di identità” ha commentato David Gubiani, Regional Director Security Engineering, EMEA Southern e Israele per Check Point Software Technologies.

La truffa “Truman Show” inizia con un primo contatto con la vittima tramite SMS, app di messaggistica o annunci tramite i quali gli attaccanti si fingono istituzioni finanziarie e propongono rendimenti elevati. Se la vittima si dice interessata, la conversazione si sposta su gruppi WhatsApp o Telegram generati dall’IA in cui membri fittizi interagiscono per simulare un ambiente di trading attivo, condividendo commenti sugli investimenti e sul mercato.

Truman Show

Agli utenti viene poi richiesto di installare l’app OPCOPRO da store legittimi. L’applicazione è però solo una shell WebView che non contiene alcuna logica di trading e mostra saldi e operazioni false. Le vittime, ingannate dall’apparente veridicità della comunità, verificano la propria identità tramite KYC e cominciano a depositare fondi. Il risultato è che gli utenti non solo perdono i fondi, ma consegnano anche foto personali e documenti d’identità ai cyberattaccanti. 

L’IA amplifica l’efficacia della frode perché permette di creare conversazioni multilingua velocemente e gestire personaggi fittizi in grado di manipolare emotivamente gli utenti. Il team di Check Point sottolinea che, sebbene la tecnologia lasci ancora delle “tracce” rilevabili, il miglioramento dei modelli di IA potrebbe presto eliminare del tutto questi ostacoli.

L’impatto della truffa può estendersi anche alle aziende: impersonando i dirigenti aziendali, gli attaccanti possono trarre in inganno i dipendenti per eludere i controlli e accedere alla rete dell’organizzazione, aprendo la strada alla violazione di dati.

Per proteggersi da questo nuovo tipo di frodi, gli utenti devono essere innanzitutto consapevoli delle capacità dell’IA nel creare comunità fittizie ben strutturate. È fondamentale inoltre diffidare di proposte di investimento condivise tramite chat, verificare sempre la veridicità delle istituzioni finanziarie che offrono queste opportunità e non caricare documenti di identità o altri dati personali su piattaforme non ufficiali.

Dall’altra parte, le aziende devono applicare controlli più rigorosi alle app finanziarie WebView e tracciare il clustering dei domini legati agli ecosistemi delle app; inoltre, dovrebbero occuparsi di segnalare i funnel che spostano gli utenti dalla chat al deposito, passando per la verifica KYC e creare percorsi di approfondimento e supporto per l’esposizione alle truffe.

Condividi l’articolo



Articoli correlati

Altro in questa categoria


https://www.securityinfo.it/2026/01/14/truman-show-la-truffa-finanziaria-che-crea-una-realta-sintetica-per-ingannare-le-vittime/?utm_source=rss&utm_medium=rss&utm_campaign=truman-show-la-truffa-finanziaria-che-crea-una-realta-sintetica-per-ingannare-le-vittime




Dark Web Forum Breached, Hackers Exposed

BreachForums, a hacking crime forum on the Dark Web, faced a data breach of its own on Jan. 9. A website associated with the ShinyHunters extortion group uploaded a database containing records of individuals connected to the forum, with metadata belonging to approximately 324,000 individuals. 

Resecurity assessed the database and confirmed its authenticity, publishing a report on the exposed data. 

An individual referring to themselves as “James” published the database along with a 23-part manifesto, in which they claimed to have “been called the most brilliant hacker” of their generation. In this manifesto, James aired grievances with specific individuals, revealing usernames, emails, registration dates, and IP addresses connected to them. 

“Following the publication of this data, undoubtedly many threat actors will face difficulties in hiding their identities and an increased risk of getting arrested,” states Resecurity’s report. 

https://www.securitymagazine.com/articles/102076-dark-web-forum-breached-hackers-exposed




Analisi forense di modelli AI/ML: audit, rilevamento bias e manomissioni

La nuova frontiera dell’investigazione digitale nell’era dell’intelligenza artificiale

Di fronte alla proliferazione di sistemi di machine learning in settori critici, emerge una disciplina investigativa inedita: la forensics applicata ai modelli neurali. Un territorio inesplorato dove convergono cybersecurity, data science e compliance normativa.

Introduzione: quando l’algoritmo diventa scena del crimine

L’adozione massiva di sistemi di intelligenza artificiale in ambiti decisionali sensibili — dal credit scoring alla diagnostica medica, dalla selezione del personale ai sistemi di giustizia predittiva — ha generato una questione epistemologica e operativa senza precedenti: come si conduce un’indagine forense su un’entità matematica?

Il NIST AI Risk Management Framework, pubblicato il 26 gennaio 2023, ha formalizzato per la prima volta un approccio sistematico alla governance dei rischi AI, introducendo i concetti di trustworthiness e accountability come pilastri della gestione algoritmica. Tuttavia, il framework evidenzia una lacuna critica: mancano metodologie consolidate per l’investigazione post-incidente su modelli compromessi o malfunzionanti.

La forensics tradizionale opera su artefatti digitali statici — file system, log, memoria volatile. I modelli di machine learning, invece, sono oggetti dinamici: matrici di pesi che codificano pattern appresi da dati che potrebbero non essere più disponibili, addestrati attraverso processi stocastici difficilmente riproducibili. Questa natura intrinseca pone sfide metodologiche che richiedono un ripensamento radicale degli strumenti investigativi.

Il Framework MITRE ATLAS: Tassonomia delle Minacce Adversariali

Il MITRE ATLAS (Adversarial Threat Landscape for Artificial-Intelligence Systems) rappresenta il tentativo più strutturato di mappare il panorama delle minacce specifiche per i sistemi AI. Modellato sul celebre ATT&CK framework per la cybersecurity tradizionale, ATLAS cataloga tattiche, tecniche e procedure (TTP) utilizzate da attori malevoli per compromettere sistemi di machine learning.

La tassonomia ATLAS identifica vettori d’attacco che spaziano dalla fase di raccolta dati (data poisoning) all’inferenza in produzione (evasion attacks), passando per tecniche di estrazione della proprietà intellettuale (model stealing) e violazione della privacy (membership inference). Ciascuna di queste categorie richiede approcci forensi distinti.

Il data poisoning, ad esempio, lascia tracce nei pattern statistici del dataset di training: distribuzioni anomale, cluster inattesi, correlazioni spurie. L’investigatore forense deve ricostruire la genealogia dei dati, verificando l’integrità della pipeline di acquisizione e preprocessing. Gli attacchi di evasion, invece, si manifestano esclusivamente in fase di inferenza, richiedendo l’analisi delle query ricevute dal modello e delle relative risposte per identificare pattern di probing sistematico.

Architettura di un audit forense: stratificazione metodologica

Un audit forense completo su un modello AI/ML richiede un’analisi stratificata che attraversa l’intero stack tecnologico e procedurale. L’OWASP Machine Learning Security Top 10 fornisce una base tassonomica per strutturare l’investigazione, identificando le vulnerabilità più critiche nei sistemi di apprendimento automatico.

Livello 1: Data Provenance e integrità

La catena di custodia dei dati di training costituisce il fondamento di qualsiasi investigazione. L’assenza di meccanismi robusti di data lineage rappresenta una delle debolezze sistemiche più diffuse. Tecnologie emergenti come i data contracts e i sistemi di versionamento basati su hash crittografici (implementati in strumenti come DVC – Data Version Control) permettono di ricostruire la storia evolutiva di un dataset.

L’investigatore deve verificare la provenienza delle fonti dati primarie, le trasformazioni applicate durante il preprocessing, l’eventuale presenza di dati sintetici o augmentati, e i meccanismi di anonimizzazione e pseudonimizzazione utilizzati.

Livello 2: training pipeline e riproducibilità

La riproducibilità degli esperimenti di machine learning è notoriamente problematica. Studi recenti indicano che solo una frazione delle pubblicazioni scientifiche in AI fornisce codice e dati sufficienti per replicare i risultati dichiarati. Un’analisi dei paper pubblicati a NeurIPS ha rilevato che solo il 42% includeva codice, e appena il 23% forniva link ai dataset utilizzati.

Dal punto di vista forense, questa opacità rappresenta un ostacolo significativo. L’investigatore deve raccogliere le configurazioni di hyperparameter, i seed dei generatori di numeri pseudocasuali, le versioni esatte delle librerie utilizzate, le specifiche hardware (particolarmente rilevanti per training distribuito su GPU/TPU) e i checkpoint intermedi del modello.

Livello 3: Model Introspection

L’analisi diretta dei parametri del modello richiede tecniche di interpretability ed explainability. Il framework Captum sviluppato da Meta AI offre implementazioni di metodi come Integrated Gradients, SHAP (SHapley Additive exPlanations) e Layer-wise Relevance Propagation.

Queste tecniche permettono di identificare feature anomale con peso eccessivo, rilevare neuroni o layer che codificano pattern inattesi, e mappare le regioni di input space dove il modello esibisce comportamenti aberranti.

Rilevamento del bias algoritmico: oltre la metrica

Il bias nei sistemi AI rappresenta una delle aree più studiate e al contempo più fraintese. La AI Fairness 360 toolkit sviluppata da IBM Research implementa oltre 70 metriche di fairness, rivelando una verità scomoda: diverse definizioni di equità sono matematicamente incompatibili tra loro.

I lavori indipendenti di Alexandra Chouldechova (2017) e Jon Kleinberg con colleghi (2016) hanno dimostrato formalmente che, salvo casi degeneri, non è possibile soddisfare simultaneamente calibration, equalized odds e predictive parity. Questa impossibilità matematica ha profonde implicazioni forensi: l’investigatore deve determinare quale definizione di fairness era appropriata per il contesto applicativo e se il sistema rispettava tale standard.

Tipologie di bias investigabili

Il bias può infiltrarsi nel sistema a molteplici livelli.

Il bias nei dati storici riflette discriminazioni pregresse: un sistema di screening curricolare addestrato su decisioni di assunzione passate perpetuerà inevitabilmente i pregiudizi dei selezionatori umani.

Il bias di rappresentazione colpisce i sottogruppi demografici sottorappresentati nel training set, causando degradazione delle performance. Lo studio Gender Shades di Joy Buolamwini e Timnit Gebru, condotto presso il MIT Media Lab e pubblicato nel 2018, ha documentato disparità drammatiche nell’accuratezza di sistemi commerciali di classificazione di genere: il tasso di errore per donne con carnagione scura raggiungeva il 34,7%, contro lo 0,8% per uomini con carnagione chiara.

Il bias di proxy si verifica quando l’algoritmo apprende correlazioni spurie tra variabili apparentemente neutre e attributi protetti. Il codice postale, ad esempio, può fungere da proxy per etnia e status socioeconomico.

Il bias di measurement consiste in errori sistematici nella raccolta dati che colpiscono differenzialmente sottopopolazioni specifiche.

Manomissioni e backdoor: l’investigazione dell’intenzionalità

La distinzione tra malfunzionamento accidentale e manomissione deliberata rappresenta il cuore dell’investigazione forense criminale. I backdoor attack su modelli neurali costituiscono una minaccia particolarmente insidiosa: l’attaccante inserisce durante il training un trigger nascosto che attiva comportamenti malevoli solo in presenza di input specifici.

Ricerche accademiche hanno dimostrato la possibilità di impiantare backdoor in modelli di visione artificiale che si attivano esclusivamente in presenza di pattern visivi impercettibili all’occhio umano. Il modello mantiene performance normali su input standard, superando qualsiasi test funzionale convenzionale.

Tecniche di rilevamento backdoor

La comunità scientifica ha sviluppato diverse metodologie per l’identificazione di backdoor.

Neural Cleanse analizza le perturbazioni minime necessarie per indurre misclassificazione verso ciascuna classe, identificando trigger potenziali come perturbazioni anomalmente piccole.

STRIP (STRong Intentional Perturbation) sfrutta la robustezza eccessiva degli input con trigger a perturbazioni casuali per identificare campioni sospetti.

Meta Neural Analysis addestra meta-classificatori per distinguere modelli puliti da modelli compromessi analizzando le attivazioni neurali.

Spectral Signature Analysis identifica anomalie nello spettro delle rappresentazioni latenti indotte dal training su dati avvelenati.

Il quadro normativo: EU AI Act e obblighi di audit

L’EU AI Act (Regolamento UE 2024/1689), entrato in vigore il 1° agosto 2024, introduce per la prima volta obblighi vincolanti di valutazione della conformità per sistemi AI ad alto rischio. L’articolo 9 impone l’implementazione di sistemi di gestione del rischio lungo l’intero ciclo di vita del sistema AI.

I requisiti normativi con rilevanza forense includono:

Logging obbligatorio: i sistemi ad alto rischio devono implementare capacità di registrazione automatica che consentano la tracciabilità delle operazioni durante il ciclo di vita del sistema (Art. 12).

Documentazione tecnica: deve essere mantenuta documentazione aggiornata che dimostri la conformità ai requisiti del regolamento, incluse informazioni su dati di training, scelte progettuali e metriche di valutazione (Art. 11).

Supervisione umana: devono essere implementate interfacce che permettano l’oversight umano effettivo, inclusa la possibilità di interpretare gli output del sistema (Art. 14).

La violazione di questi obblighi può comportare sanzioni fino a 35 milioni di euro o il 7% del fatturato mondiale annuo, rendendo la capacità di dimostrare compliance attraverso audit forensi una necessità operativa.

Strumenti e metodologie operative

L’ecosistema degli strumenti forensi per AI è in rapida evoluzione. Alcune soluzioni emergenti meritano attenzione.

Model Cards e Data Sheets

Il concetto di Model Cards introdotto da Google Research nel 2019 propone un formato standardizzato per documentare le caratteristiche, limitazioni e contesti d’uso appropriati di un modello. Analogamente, i Datasheets for Datasets proposti da Timnit Gebru e colleghi forniscono un template per documentare provenienza, composizione e bias noti dei dataset.

Questi artefatti documentali rappresentano prove cruciali in un’investigazione forense, permettendo di valutare se il deployment del sistema rispettava i limiti dichiarati.

MLflow e Experiment Tracking

Piattaforme come MLflow permettono il tracking automatico di esperimenti, includendo parametri, metriche, artefatti e metadati. Dal punto di vista forense, i log di MLflow possono ricostruire la cronologia completa dello sviluppo di un modello.

Differential Privacy e Membership Inference

Le tecniche di Differential Privacy forniscono garanzie matematiche sulla protezione dei dati individuali nel training. Strumenti come Opacus di Meta implementano training differenzialmente privato per PyTorch.

L’investigatore forense può utilizzare attacchi di membership inference — tecniche che determinano se uno specifico record era presente nel training set — per verificare il rispetto delle politiche di privacy dichiarate.

Casi studio: lezioni dal campo

Caso COMPAS e bias razziale

Il sistema COMPAS (Correctional Offender Management Profiling for Alternative Sanctions), utilizzato nel sistema giudiziario statunitense per valutare il rischio di recidiva, rappresenta un caso paradigmatico. L’inchiesta di ProPublica del maggio 2016 ha rivelato disparità significative: i defendant afroamericani avevano quasi il doppio delle probabilità di essere erroneamente classificati come ad alto rischio rispetto ai bianchi, pur non recidivando successivamente.

L’analisi forense ha coinvolto la ricostruzione del dataset di training, l’identificazione delle variabili proxy utilizzate e la quantificazione delle disparità di trattamento. Questo caso ha catalizzato l’intero campo della AI fairness e il successivo dibattito accademico sul teorema di impossibilità.

Amazon e il recruiting algoritmico

Nell’ottobre 2018, Reuters ha rivelato che Amazon aveva abbandonato un sistema di screening automatico dei curricula dopo aver scoperto che penalizzava sistematicamente le candidate donne. L’investigazione interna ha identificato come causa il training su dati storici di assunzione che riflettevano il bias di genere prevalente nel settore tech: il sistema aveva appreso a sfavorire curricula contenenti termini come «women’s» o provenienti da college femminili.

Il caso illustra l’importanza dell’audit preventivo e della verifica continua dei sistemi in produzione.

Prospettive future: verso una forensics AI matura

L’evoluzione della disciplina richiede progressi su molteplici fronti.

Standardizzazione metodologica: l’ISO/IEC JTC 1/SC 42 sta sviluppando standard internazionali per l’AI, inclusi framework di testing e valutazione. L’adozione di metodologie standardizzate permetterà la comparabilità delle analisi forensi.

Certificazione professionale: emergerà la necessità di figure professionali certificate nell’audit di sistemi AI, con competenze ibride tra data science, cybersecurity e compliance normativa.

Automazione dell’audit: strumenti di continuous monitoring integrati nelle pipeline MLOps permetteranno la rilevazione precoce di drift, anomalie e potenziali manomissioni.

Forensics federata: l’addestramento federato, dove i dati rimangono distribuiti presso le sorgenti, pone sfide forensi inedite. Come si investiga un modello addestrato su dati che non possono essere centralizzati per ragioni di privacy?

Conclusione: l’imperativo dell’accountability algoritmica

L’analisi forense dei sistemi AI non è un lusso accademico ma una necessità operativa urgente. Man mano che questi sistemi assumono ruoli sempre più critici nelle infrastrutture sociali ed economiche, la capacità di investigarne il comportamento, identificarne le anomalie e attribuire responsabilità diventa fondamentale per mantenere la fiducia pubblica.

La convergenza tra cybersecurity tradizionale, data science e compliance normativa sta generando una nuova disciplina professionale. I forensic analyst del futuro dovranno padroneggiare non solo le tecniche investigative classiche, ma anche la teoria dell’apprendimento automatico, la statistica bayesiana e i framework normativi emergenti.

L’EU AI Act rappresenta un punto di svolta: per la prima volta, la legge richiede esplicitamente capacità di audit e tracciabilità per i sistemi AI ad alto rischio. Le organizzazioni che non svilupperanno queste competenze si troveranno esposte a rischi legali, reputazionali e operativi significativi.

La forensics AI non è la risposta a tutti i problemi dell’intelligenza artificiale, ma è una componente essenziale di un ecosistema di governance più ampio. Solo attraverso la capacità di investigare, comprendere e attribuire responsabilità potremo costruire sistemi AI che meritino la fiducia che sempre più spesso riponiamo in essi.

Condividi sui Social Network:

https://www.ictsecuritymagazine.com/articoli/analisi-forense-ai/




Target’s Source Code Confirmed Stolen: Why Does This Matter?

On Jan. 12., BleepingComputer reported that multiple repositories appeared on Gitea, apparently containing parts of internal code and developer documentation belonging to the major retailer Target. As of today, Jan. 13, multiple employees of the retailer have confirmed the leaked materials are authentic. 

As of current reports, the threat actor behind this incident is unknown. Likewise, it is unclear whether this exposure is due to a leakage, a breach or an insider’s action. 

The dataset is approximately 860GB, according to the threat actor. Target has since removed the files from online access, and the organization’s Git server was likewise made inaccessible. Target has not responded to any communications from BleepingComputer on the nature of the incident. 

Why This Matters 

The incident in question pertains to a loss of source code rather than individuals’ data. While both are concerning losses, the theft of source code adds a new layer to the challenges an organization may face down the road. 

“Unlike breaches that focus on customer data, a compromise of development infrastructure exposes the blueprints of how a company’s systems operate,” explains Steve Cobb, Chief Information Security Officer at SecurityScorecard. “Once engineering assets surface publicly, even briefly, the spread becomes extremely difficult to contain and can create opportunities for deeper compromise.”

The loss of source code could leave organizations vulnerable to more cyber incidents in the future. Therefore, defending internal assets is key. 

“For large enterprises, this reinforces the need to protect development systems with the same rigor as customer-facing environments,” Cobb asserts. “Internal servers, pipelines, and documentation platforms often contain credentials, architectural details, and operational logic that attackers can use to fuel future attacks or enable supply chain compromise. Without continuous monitoring and strong access controls, a single lapse in the development ecosystem can create long term vulnerabilities across the organization.”

https://www.securitymagazine.com/articles/102075-targets-source-code-confirmed-stolen-why-does-this-matter




Allarme password aziendali deboli: più del 40% è violabile in meno di un’ora


Gli utenti aziendali utilizzano ancora password deboli, tanto che il 40% di esse è violabile in meno di un’ora: è quanto emerge dati condivisi da Errevi System, azienda ICT italiana, raccolti tramite PassBuster, una soluzione per la valutazione della robustezza delle credenziali.

L’analisi rivela anche che quasi una password su due ha un livello di violabilità elevato, indipendentemente dalla dimensione dell’azienda o dal ruolo degli utenti nelle gerarchie aziendali: dai C-level alle figure junior, il problema delle credenziali deboli appare sistemico. I settori più vulnerabili sono quello alimentare e quello dell’agricoltura, probabilmente a causa di una minore diffusione della cultura della sicurezza informatica, ma anche da un uso limitato di soluzioni tecnologiche avanzate.

Le password degli utenti spesso si basano su schemi semplici e prevedibili e in molti casi le credenziali vengono riutilizzate su più account; ciò amplifica l’impatto delle compromissioni.

Francesco Cristofori, Head of Data Protection & Cyber Security di Errevi System. Credits: Errevi System

Francesco Cristofori, Head of Data Protection & Cyber Security di Errevi System. Credits: Errevi System

“Quello che osserviamo ogni giorno è che molte aziende non hanno una reale percezione di quanto siano esposte sul fronte delle identità digitali. Le password vengono considerate un dettaglio, finché non diventano il punto di ingresso di un incidente” ha dichiarato Francesco Cristofori, Head of Data Protection & Cyber Security di Errevi System. “Finché la sicurezza delle credenziali resta percepita come un tema secondario, il rischio continuerà a crescere. Rafforzare le password non è soltanto una questione tecnologica o di infrastruttura digitale, ma richiede anche un cambiamento culturale: è fondamentale investire nella formazione e nella sensibilizzazione dei dipendenti, affinché comprendano il valore delle proprie credenziali e il ruolo che giocano nella protezione dell’intera organizzazione“.

Considerando il trend fortemente in crescita del cybercrimine, è necessario prendere provvedimenti per ridurre il rischio di incidenti. Nel caso specifico delle password, si consiglia come sempre di utilizzare credenziali robuste e di utilizzarne di diverse per ogni servizio.

L’uso di credential manager è fortemente consigliato per generare password robuste ed eterogenee, memorizzandole con facilità.

Quando possibile è inoltre sempre opportuno abilitare l’autenticazione multi-fattore.

Condividi l’articolo



Articoli correlati

Altro in questa categoria


https://www.securityinfo.it/2026/01/13/allarme-password-aziendali-deboli-piu-del-40-e-violabile-in-meno-di-unora/?utm_source=rss&utm_medium=rss&utm_campaign=allarme-password-aziendali-deboli-piu-del-40-e-violabile-in-meno-di-unora




Signal creator Moxie Marlinspike wants to do for AI what he did for messaging

On Confer, remote attestation allows anyone to reproduce the bit-by-bit outputs that confirm that the publicly available proxy and image software—and only that software—is running on the server. To further verify Confer is running as promised, each release is digitally signed and published in a transparency log.

Native support for Confer is available in the most recent versions of macOS, iOS, and Android. On Windows, users must install a third-party authenticator. Linux support also doesn’t exist, although this extension bridges that gap.

There are other private LLMs, but none from the big players

Another publicly available LLM offering E2EE is Lumo, provided by Proton, a European company that’s behind the popular encrypted email service. It adopts the same encryption engine used by Proton Mail, Drive, and Calendar. The internals of the engine are considerably more complicated than Confer because they rely on a series of both symmetric and asymmetric keys. The end result for the user is largely the same, however.

Once a user authenticates to their account, Proton says, all conversations, data, and metadata is encrypted with a symmetrical key that only the user has. Users can opt to store the encrypted data on Proton servers for device syncing or have it wiped immediately after the conversation is finished.

A third LLM provider promising privacy is Venice. It stores all data locally, meaning on the user device. No data is stored on the remote server.

Most of the big LLM platforms offer a means for users to exempt their conversations and data for marketing and training purposes. But as noted earlier, these promises often come with major carve-outs. Besides selected review by humans, personal data may still be used to enforce terms of service or for other internal purposes, even when users have opted out of default storage.

Given today’s legal landscape—which allows most data stored online to be obtained with a subpoena—and the regular occurrence of blockbuster data breaches by hackers, there can be no reasonable expectation that personal data remains private.

It would be great if big providers offered end-to-end encryption protections, but there’s currently no indication they plan to do so. Until then, a handful of smaller alternatives will keep user data out of the ever-growing data lake.

https://arstechnica.com/security/2026/01/signal-creator-moxie-marlinspike-wants-to-do-for-ai-what-he-did-for-messaging/




Whistleblowing: nuove linee guida ANAC 2025 e Modello 231

Whistleblowing, linee guida ANAC 2025 e Modello 231: la rivoluzione silenziosa che soddisferà i CFO e terrà svegli i consulenti.

Dopo mesi di attesa e una consultazione pubblica che ha coinvolto centinaia di operatori, l’Autorità Nazionale Anticorruzione ha riscritto le regole del gioco. Non si tratta di un semplice aggiornamento: è un cambio di prospettiva che trasforma il canale di segnalazione da obbligo burocratico a leva strategica di governance. Chi non si adegua rischia sanzioni fino a 50.000 euro – ma il vero costo potrebbe essere un Modello Organizzativo che non regge più alla prova dei fatti. OdV, Compliance Officer, DPO e direzioni legali: questo è il momento di agire. Nell’analisi che segue, ogni comma, ogni scadenza, ogni zona grigia finalmente chiarita.

Premessa: un cambio di paradigma nella gestione delle segnalazioni

Il 26 novembre 2025 ha segnato una data spartiacque per la compliance italiana. Con l’approvazione delle Delibere n. 478 e n. 479, l’Autorità Nazionale Anticorruzione ha completato un percorso regolatorio che ridefinisce radicalmente l’architettura del whistleblowing nel nostro Paese. Le nuove Linee Guida n. 1/2025 sui canali interni di segnalazione, pubblicate il 12 dicembre 2025 e annunciate nella Gazzetta Ufficiale Serie Generale n. 300 del 29 dicembre 2025, non si limitano a fornire chiarimenti interpretativi: elevano il whistleblowing da mero adempimento formale a presidio organizzativo strutturale, con profonde ricadute sui Modelli di Organizzazione, Gestione e Controllo ex d.lgs. 231/2001.

Questo intervento normativo risponde a un’esigenza concreta, emersa dalle attività di monitoraggio condotte dall’Autorità nel biennio 2023-2024: le principali criticità applicative del d.lgs. 24/2023 non derivano tanto da lacune della disciplina legislativa quanto da modalità di implementazione inadeguate dei canali interni, spesso percepiti dagli enti più come fattori di rischio che come leve di governance. Un paradosso che le nuove Linee Guida intendono superare attraverso indicazioni operative dettagliate e un approccio sistemico alla compliance integrata.

Il quadro normativo di riferimento

Il d.lgs. 24/2023 e la Direttiva UE 2019/1937

Per comprendere appieno la portata delle nuove Linee Guida occorre ricostruire brevemente l’evoluzione normativa che ha condotto al quadro attuale. Il decreto legislativo 10 marzo 2023, n. 24 ha recepito nel nostro ordinamento la Direttiva (UE) 2019/1937, superando la frammentazione che caratterizzava la materia e raccogliendo in un unico testo la disciplina relativa alla tutela delle persone segnalanti, sia nel settore pubblico che in quello privato.

Il decreto ha introdotto numerose innovazioni rispetto alla previgente disciplina: l’ampliamento dei soggetti beneficiari delle protezioni, la regolamentazione organica dei canali di segnalazione interni ed esterni, la specificazione degli obblighi di riservatezza, l’introduzione della figura del facilitatore quale soggetto che assiste il segnalante nel processo di segnalazione, e il rafforzamento dell’apparato sanzionatorio.

L’art. 4, comma 1, del d.lgs. 24/2023 impone ai soggetti del settore pubblico e privato rientranti nell’ambito di applicazione della normativa di attivare appositi canali interni di segnalazione, finalizzati a ricevere e gestire le comunicazioni garantendo la riservatezza dell’identità del segnalante, della persona coinvolta e del contenuto della segnalazione. Significativamente, la disciplina prevede che le modalità di funzionamento del canale interno siano definite all’interno di un apposito atto organizzativo o, per i soggetti che lo hanno adottato, del Modello 231.

Le Linee Guida ANAC del 2023 e i loro limiti

Già nel luglio 2023, con la Delibera n. 311, l’ANAC aveva adottato le prime Linee Guida in materia di whistleblowing, concentrate prevalentemente sul canale esterno di segnalazione. Tale documento, pur contenendo indicazioni e principi di cui gli enti potevano tener conto per i propri assetti interni, lasciava aperti numerosi interrogativi operativi che hanno generato prassi applicative disomogenee.

Il monitoraggio condotto dall’Autorità attraverso questionari sottoposti ad amministrazioni ed enti, unitamente alle criticità segnalate dai soggetti tenuti ad applicare la normativa, ha evidenziato la necessità di un intervento regolatorio specifico sui canali interni. La consultazione pubblica avviata il 7 novembre 2024 ha raccolto osservazioni che, in larga parte, sono confluite nel testo definitivo delle nuove Linee Guida, a testimonianza di un approccio di regolazione partecipata.

Le novità sostanziali delle Linee Guida ANAC 2025 n. 1/2025

Il canale interno come perno del sistema

Le nuove Linee Guida ribadiscono con chiarezza la preferenza accordata dal legislatore al ricorso al canale interno, in quanto strumento più prossimo all’origine delle violazioni e, per tale ragione, potenzialmente più efficace sotto il profilo della prevenzione e del tempestivo accertamento dei fatti. Tale centralità, tuttavia, non si esaurisce nella mera previsione formale: l’ANAC richiede che il canale sia concretamente accessibile, affidabile e percepito come tale dai potenziali segnalanti.

Un passaggio di particolare rilievo riguarda il processo di istituzione del canale, che deve avvenire previa interlocuzione con le rappresentanze o organizzazioni sindacali comparativamente più rappresentative, tanto nel settore pubblico quanto in quello privato. Questa previsione mira a garantire che il sistema di segnalazione sia effettivamente conosciuto e legittimato all’interno dell’organizzazione.

Modalità di segnalazione: oralità e piattaforme informatiche

Le Linee Guida chiariscono che la persona segnalante deve poter scegliere tra due diverse modalità: quella scritta e quella orale. Quest’ultima può essere effettuata tramite linea telefonica, messaggistica vocale o incontro diretto – opzioni configurate come alternative e non cumulative.

L’ANAC raccomanda fortemente l’utilizzo di piattaforme informatiche dedicate per la gestione delle segnalazioni, in grado di garantire riservatezza, tracciabilità e sicurezza. Significativamente, le Linee Guida precisano senza ambiguità che e-mail ordinaria e PEC non sono canali idonei per le segnalazioni whistleblowing, in quanto non garantiscono adeguati standard di riservatezza e protezione dell’identità del segnalante.

La figura del gestore: requisiti e incompatibilità

Uno degli snodi più delicati affrontati dalle nuove Linee Guida riguarda la figura del gestore del canale interno di segnalazione. L’ANAC dedica ampio spazio alla definizione dei requisiti soggettivi e funzionali, chiarendo che la gestione delle segnalazioni deve essere affidata a una persona o a un ufficio dotati di effettiva autonomia, intesa come imparzialità e indipendenza rispetto alle strutture e ai soggetti potenzialmente coinvolti.

Il gestore deve operare senza interferenze da parte dell’organo di indirizzo, al quale non possono essere attribuiti poteri di intervento sulle singole istruttorie, ferma restando una funzione di monitoraggio generale sul corretto funzionamento del sistema.

Le Linee Guida intervengono su questioni particolarmente dibattute nella prassi:

  • Il ruolo del Responsabile della Protezione dei Dati (DPO) non dovrebbe coincidere con quello del gestore delle segnalazioni, per evitare potenziali conflitti di interesse. Negli enti di dimensioni più contenute (sotto i 50 dipendenti) tale cumulo può essere ammesso solo previa valutazione motivata.
  • È necessario prevedere un gestore sostituto per i casi di conflitto di interesse o di assenze superiori a sette giorni.

Tempi e procedure di gestione

L’intervento normativo introduce tempi certi, strutturando un iter procedurale articolato nelle seguenti fasi:

Avviso di ricevimento: deve essere rilasciato entro il termine perentorio di sette giorni dalla presentazione della segnalazione. Tale adempimento ha valenza informativa e costituisce conferma della presa in carico.

Esame preliminare: il gestore verifica la legittimazione del segnalante e la sussistenza dei presupposti oggettivi. Qualora la comunicazione non sia riconducibile al perimetro del whistleblowing, deve essere derubricata a segnalazione ordinaria e trasmessa alle funzioni competenti.

Riscontro finale: deve essere fornito entro tre mesi dalla segnalazione, termine che comprende l’esito dell’istruttoria e le informazioni sulle misure previste o adottate.

Conservazione: la documentazione non può essere conservata oltre cinque anni dalla data della comunicazione dell’esito finale, in conformità ai principi di minimizzazione previsti dalla disciplina privacy.

Formazione e cultura della segnalazione

Le Linee Guida n. 1/2025 affrontano con particolare enfasi il tema della formazione, richiamando quanto previsto dal d.lgs. 24/2023. Gli enti rientranti nell’ambito di applicazione sono sensibilizzati ad attivare specifiche attività formative periodiche, finalizzate ad assicurare una gestione consapevole delle segnalazioni e a rafforzare la tutela del segnalante.

Tale indicazione si allinea alla crescente consapevolezza che l’effettività di un sistema di whistleblowing dipende in larga misura dalla cultura organizzativa: un canale formalmente conforme ma sconosciuto ai potenziali segnalanti rimane sostanzialmente inefficace.

L’integrazione con il Modello 231: una prospettiva sistemica

Il whistleblowing come requisito di idoneità del Modello

L’innesto del whistleblowing nella disciplina della responsabilità amministrativa degli enti risale alla legge 30 novembre 2017, n. 179, che ha introdotto nell’art. 6 del d.lgs. 231/2001 il comma 2-bis, prevedendo quale ulteriore requisito di idoneità del Modello la predisposizione di canali per la segnalazione di condotte illecite.

Con il d.lgs. 24/2023, questa integrazione si è consolidata: un Modello 231 privo di sistema di whistleblowing conforme è da considerarsi non idoneo ai fini dell’esonero da responsabilità dell’ente. La predisposizione di canali riservati e di un sistema di monitoraggio affidato a soggetti indipendenti è condizione essenziale di efficacia.

Le nuove Linee Guida chiariscono che l’istituzione o l’adeguamento del canale di segnalazione interna costituisce parte integrante del sistema di prevenzione dei rischi e deve essere coerentemente inserito nel Modello 231. L’adozione del canale non può essere considerata un adempimento autonomo, ma deve coordinarsi con la mappatura dei rischi, con i flussi informativi verso l’Organismo di Vigilanza e con il sistema disciplinare.

Il ruolo dell’OdV: vigilanza, non gestione

Un aspetto particolarmente delicato riguarda il rapporto tra l’Organismo di Vigilanza e il sistema di whistleblowing. Le Linee Guida ANAC, in coordinamento con le recenti Linee Guida del CNDCEC del 24 novembre 2025 (Informativa n. 169/2025), chiariscono che:

  • L’OdV può essere designato quale gestore delle segnalazioni, ma in tal caso deve operare con incarico separato e distinto dalla funzione di vigilanza sul Modello.
  • L’OdV, nella sua funzione tipica, deve coordinarsi con il soggetto incaricato della gestione, mantenendo il focus sulla coerenza delle procedure con il Modello 231 e sull’analisi delle informazioni ricevute per calibrare la propria attività di vigilanza.

Le Linee Guida CNDCEC precisano che l’OdV ha una funzione di alta vigilanza: deve verificare l’esistenza e l’adeguatezza del canale, monitorare che le procedure siano effettivamente applicate, ma non sostituirsi alla gestione operativa delle singole segnalazioni.

L’aggiornamento del sistema disciplinare

Le Linee Guida ANAC precisano che sotto il profilo sanzionatorio si configurano precise fattispecie di responsabilità disciplinare:

  • Condotte ritorsive o ostative alla segnalazione, anche solo tentate
  • Violazione del dovere di riservatezza sull’identità del segnalante e sul contenuto della segnalazione
  • Inadempienze organizzative concernenti l’istituzione del canale, la conformità procedurale e l’omesso esame delle comunicazioni

Conseguentemente, il sistema disciplinare previsto dal Modello 231 deve essere integrato con sanzioni specifiche per tali fattispecie, sia nei confronti di dipendenti e collaboratori, sia con riferimento ai soggetti apicali.

Il regime sanzionatorio: responsabilità e soggetti obbligati

Le sanzioni ANAC

L’apparato sanzionatorio previsto dall’art. 21 del d.lgs. 24/2023 e precisato dalle Linee Guida contempla sanzioni amministrative pecuniarie che possono essere irrogate dall’ANAC:

Da 10.000 a 50.000 euro per:

  • Mancata istituzione dei canali di segnalazione
  • Adozione di procedure non conformi agli artt. 4 e 5 del decreto
  • Mancata effettuazione dell’attività di verifica e analisi delle segnalazioni ricevute
  • Condotte ritorsive o ostacolo alla segnalazione (anche tentato)
  • Violazione dell’obbligo di riservatezza

Da 500 a 2.500 euro per:

  • Segnalazioni effettuate con dolo o colpa grave che si rivelino infondate (salvo condanna per diffamazione o calunnia)

Le Linee Guida precisano che, in tutte le ipotesi sanzionatorie, il responsabile è l’organo di indirizzo, sia negli enti del settore pubblico sia in quelli privati.

Il raccordo con il Garante Privacy

Le Linee Guida richiamano espressamente il coordinamento con la disciplina in materia di protezione dei dati personali, precisando che restano salve le sanzioni applicabili dal Garante per la protezione dei dati personali per i profili di competenza. Tale precisazione è rilevante considerando che le violazioni degli obblighi di riservatezza possono integrare tanto illeciti ai sensi del d.lgs. 24/2023 quanto violazioni del GDPR.

Il parere del Garante Privacy sugli schemi di Linee Guida, reso il 9 ottobre 2025, ha contribuito a definire i profili di coordinamento tra le due discipline, con particolare attenzione alle misure di sicurezza della piattaforma informatica e alla tutela dell’identità digitale degli utenti.

Profili di rischio emergenti e implicazioni operative

Compliance integrata: oltre i silos

Le Linee Guida ANAC n. 1/2025, lette congiuntamente alle Linee Guida CNDCEC sull’Organismo di Vigilanza, delineano un modello di compliance integrata che supera l’approccio a silos tradizionalmente prevalente nelle organizzazioni italiane.

L’OdV è chiamato a dialogare con una pluralità di presidi: antiriciclaggio, anticorruzione, privacy, adeguati assetti organizzativi ex art. 2086 c.c., sicurezza sul lavoro, cybersecurity, intelligenza artificiale, ESG e tax control framework. L’Organismo non sostituisce le funzioni specialistiche, ma promuove una visione sistemica dei rischi e dei controlli.

Questa prospettiva assume particolare rilievo nel contesto del whistleblowing, dove una segnalazione può simultaneamente rilevare ai fini della prevenzione dei reati presupposto ex d.lgs. 231/2001, della protezione dei dati personali, delle misure anticorruzione, degli obblighi antiriciclaggio e della tutela della salute e sicurezza sui luoghi di lavoro.

I gruppi societari: esigenze di coordinamento

Le Linee Guida precisano che, per i soggetti del settore privato con una media di lavoratori subordinati non superiore a 249, è possibile condividere il canale di segnalazione interna. Tale possibilità è ammessa anche nell’ambito dei gruppi societari, con alcuni chiarimenti:

  • Se si tratta di un’unica piattaforma condivisa, deve essere garantita una segregazione in relazione alla società per cui effettuare la segnalazione.
  • La condivisione consente, previa informativa al segnalante, il coinvolgimento delle altre società del gruppo o della capogruppo, nel rispetto dei principi di riservatezza.

Per i gruppi di dimensioni superiori (oltre 249 dipendenti) la condivisione del canale non è ammessa, potendosi ricorrere esclusivamente all’esternalizzazione della gestione a soggetti terzi qualificati.

Cybersecurity e intelligenza artificiale

Le Linee Guida CNDCEC del novembre 2025 evidenziano come il rapido sviluppo delle tecnologie digitali e l’integrazione dell’intelligenza artificiale nei processi aziendali impongano un ampliamento delle attività di vigilanza.

In materia di cybersecurity, l’OdV dovrebbe verificare l’esistenza e l’aggiornamento di policy coerenti con le normative nazionali ed europee (GDPR, NIS 2), la formazione del personale sui rischi cyber e le modalità di segnalazione degli incidenti informatici.

Con riferimento all’impiego dell’intelligenza artificiale, il documento suggerisce all’OdV di vigilare sulla trasparenza e tracciabilità delle decisioni automatizzate, sul rispetto dei principi di intervento e sorveglianza umana, sulla sicurezza degli algoritmi per prevenire manipolazioni o utilizzi non autorizzati.

Considerazioni conclusive: verso un whistleblowing effettivo

Le Linee Guida ANAC n. 1/2025 segnano un passaggio significativo nel consolidamento della disciplina del whistleblowing in Italia. L’attenzione si sposta dall’adempimento formale alla qualità dell’implementazione organizzativa: non basta avere un canale, occorre che sia accessibile, affidabile, presidiato da soggetti competenti e indipendenti, inserito in un sistema di governance che ne valorizzi la funzione preventiva.

Per le organizzazioni chiamate ad applicare la normativa, le implicazioni sono rilevanti:

  • I Modelli 231 devono essere aggiornati non solo con riferimento ai canali di segnalazione, ma nella logica di un’integrazione sistemica che coinvolga mappatura dei rischi, procedure operative, sistema disciplinare e flussi informativi.
  • Gli OdV sono chiamati a un ruolo più incisivo di verifica e coordinamento, pur senza trasformarsi in gestori diretti delle segnalazioni.
  • Le funzioni Compliance e Legal devono presidiare il corretto funzionamento del sistema, assicurando la conformità alle nuove indicazioni ANAC e il coordinamento con gli altri ambiti normativi rilevanti.
  • La formazione assume centralità strategica: solo attraverso una diffusa conoscenza del sistema e della sua funzione di tutela dell’integrità organizzativa è possibile superare le resistenze culturali che ne limitano l’efficacia.

In ultima analisi, le nuove Linee Guida propongono una visione del whistleblowing quale presidio stabile di legalità e corretto funzionamento dell’organizzazione, la cui efficacia dipende dalla capacità degli enti di tradurre le indicazioni normative in scelte organizzative effettive e coerenti.

Condividi sui Social Network:

https://www.ictsecuritymagazine.com/articoli/whistleblowing-anac/




Security Leaders Discuss FBI Warning: North Korea Exploiting QR Codes

The Federal Bureau of Investigation (FBI) published an alert on Jan. 8, related to evolving cyber techniques leveraged by North Korea. Specifically, these tactics were deployed by a state-sponsored threat group known as Kimsuky. 

According to the alert, Kimsuky is targeting entities with malicious QR codes in a spearphishing campaign, also referred to as quishing. 

“Quishing represents an emerging threat vector that exploits the inherent trust users place in QR codes, which obfuscate the destination,” explains Krishna Vishnubhotla, Vice President, Product Strategy at Zimperium. “Attackers place malicious QR codes in high-traffic areas, often disguised as legitimate promotional materials or utility services. Physical mail containing QR codes purporting to be from legitimate services, particularly effective for package delivery and financial service scams. While QR codes represent a small percentage, their unique evasion capabilities and growing adoption rates make them vectors with huge latent potential.” 

Kimsuky was identified utilizing malicious QR codes throughout May and June of 2025, targeting think tank workers in multiple instances.  

“The FBI advisory highlights why QR-code phishing is such an effective bypass,” Vishnubhotla asserts. “It shifts the attack onto mobile devices, where traditional email and network defenses have limited visibility. This reflects a clear mobile-first attack strategy, with groups like Kimsuky exploiting trusted QR-code workflows to drive mobile-targeted phishing, or mishing. Once scanned, users are redirected to attacker-controlled pages with little opportunity for interception. The FBI is calling this out because it signals a broader shift toward quieter, socially engineered mobile attacks that evade perimeter-based security.” 

The published FBI alert provides recommendations for mitigation, particularly for “NGOs, think tanks, academia, and other foreign policy experts with a nexus to North Korea.” 

Recommendations include, but are not limited to: 

  • Educate employees through security training programs 
  • Confirm QR code sources via secondary means (for instance, contacting the sender directly) 
  • Implement clear processes for reporting phishing attempts 
  • Utilize endpoint security solutions or mobile device management (MDM) solutions 
  • Patch known vulnerabilities

“The shift toward mobile-targeted phishing attacks is a clear signal that organizations must rethink their security strategies in the age of hybrid and remote work with employees using a variety of devices,” says Darren Guccione, CEO and Co-Founder at Keeper Security. “Attackers are increasingly exploiting mobile-first communication channels — SMS, QR codes and mobile-optimized phishing sites — to bypass traditional email security controls. The rise in device-aware phishing campaigns, where malicious content is only served to mobile users, makes detection even more challenging.

“To counter this, organizations need a comprehensive security approach that extends beyond desktop protections. This includes mobile threat defense, phishing-resistant MFA, clear Bring Your Own Device (BYOD) policies and a strong password management strategy to mitigate credential-based attacks. Security teams must also prioritize user education, ensuring employees recognize mobile-specific threats, such as smishing and quishing. With mobile phishing attacks on the rise, organizations that proactively secure their mobile environments will significantly reduce their overall risk exposure.”

https://www.securitymagazine.com/articles/102074-security-leaders-discuss-fbi-warning-north-korea-exploiting-qr-codes