חזרה לפיד
articlesמקור: Wiz Blog18.2.2026

איך לזהות אפליקציות Azure זדוניות בעזרת AI

אמ;לק

Wiz מציגה שיטה לזיהוי אוטומטי של קמפיינים מסוג פישינג (גניבת גישה) שמתחזים לאפליקציות Azure. אם אתם משתמשים ב-Azure, חשוב לבדוק אילו הרשאות אתם נותנים לאפליקציות חיצוניות כדי למנוע השתלטות על חשבונות הארגון.

סיכום בעברית: מערכת VibeSec · מדיניות המקורות

נוסף ל-VibeSec:

כותרת מקורית: Would You Click ‘Accept’? Automatically detecting malicious Azure OAuth applications using LLMs

איך לזהות אפליקציות Azure זדוניות בעזרת AI

התוכן המלא בעברית

תרגום אוטומטי מהמקור; מונחים טכניים נשארו באנגלית. לנוסח המחייב — הכתבה המקורית.

• יישומי OAuth ב-Microsoft Entra ID הם מנגנון נפוץ בשימוש תוקפים להתמדה (Persistence) ולהסלמת הרשאות.

• מכיוון שיישומי OAuth נוצרים, משתנים ונשכחים בתדירות גבוהה, יישומים זדוניים נוטים להיטמע בין אינטגרציות עסקיות לגיטימיות.

• באמצעות ניתוח קמפיינים מוכרים של תקיפות OAuth בסביבות שונות, פיתחנו את OAuth Apps Scout – צינור (pipeline) זיהוי פרואקטיבי שמציף באופן אוטומטי יישומי OAuth זדוניים חדשים. עד כה, הכלי סייע לנו לזהות אפליקציות זדוניות רבות בעשרות ארגונים מושפעים.

האם תלחץ על "⁦Accept⁩" באפליקציה הזו?

האפליקציה הזו נראית כמו הודעת אישור רגילה של Microsoft, אבל יש כאן טריק: השם מתחיל בספרה 0 ולא באות O.

לאחר שזיהינו את התקפת ההומגליפים הזו בטבע, התחלנו לחקור. החקירה הובילה במהירות למשהו גדול בהרבה. עקבות התקיפה הובילו ליותר מ-20 חברות שנפגעו בשלושה קמפיינים נפרדים של יישומי OAuth זדוניים. המקרה מדגיש פער נפוץ באופן הניהול של Service Principals ב-Azure.

אפליקציית Microsoft Entra מתחילה כאובייקט אפליקציה בודד, הנמצא בדייר (tenant) שבו נרשמה האפליקציה במקור (הדייר ה"ביתי" שלה). אובייקט יישום זה משמש כשרטוט (blueprint): בכל פעם שהאפליקציה בשימוש בדייר אחר, Entra יוצר שם Service Principal מתאים. במילים אחרות, ניתן לחשוב על יישום OAuth כעל קבלן חיצוני ששכרת לעבוד בביתך. לא היית נותן לו את מפתח המאסטר (הסיסמה שלך), אלא מעניק לו תג ספציפי (סט הרשאות) שמאפשר לו גישה למטבח ולמרתף בלבד.

בעולם של Azure, ה-Consent (הסכמה) הוא התג הזה. כאשר אתה רואה הנחיה המבקשת הרשאה לגשת לפרופיל או לקבצים שלך, לחיצה על "Accept" אומרת ל-Azure: "אני סומך על המפתח הזה מספיק כדי להעניק לו את סט ההרשאות הספציפי הזה".

מ-Global App ל-Local Identity

כאן זה הופך למעניין עבור צוותי אבטחה. רוב האפליקציות שבהן אתה משתמש, כמו Microsoft Teams, לא באמת "חיות" בתוך הסביבה שלך. הן מתארחות בתוך סביבת ה-Azure של המפתח (כלומר Microsoft).

אבל כדי ש-Teams יפעל בתוך החברה הספציפית שלך, דייר ה-Azure שלך זקוק לדרך לזהות ולנהל אותו באופן מקומי. זה יוצר מערכת יחסים בשני חלקים:

• ה-Application Object: ה"שרטוט" הגלובלי של האפליקציה שנמצא בדייר הבית של המפתח.

• ה-Service Principal: ה"מופע" (instance) המקומי שלך של אותה אפליקציה.

כפי שמוצג בתרשים למטה, בעוד שיש רק ⁦Application⁩ ⁦ID⁩ גלובלי אחד עבור ⁦Teams⁩, לכל חברה שמשתמשת בו יש ⁦Service Principal⁩ ⁦ID⁩ ייחודי משלה.

הסכנה טמונה בעובדה שלרובנו יש "עייפות הסכמה" (consent fatigue). אנחנו רואים חלון קופץ, רוצים להמשיך בעבודה, ולוחצים על "Accept" לפני שהמוח שלנו בכלל מעבד את מה שאנחנו רואים. תוקף מסתמך על זה; הוא נותן לאפליקציה הזדונית שם שנראה לגיטימי ומחכה למשתמש לא מודע או ממהר שיפתח עבורו את הדלת. כך זה קורה:

1. יצירת האפליקציה המזויפת

ראשית, התוקף יוצר אפליקציה בסביבת Azure משלו. הוא נותן לה שם שנראה לגיטימי, כמו "Adobe", כדי להקנות לה מראה אמין. כדי לחזק את אשליית האמון, התוקף יכול להגדיר לוגו מוכר ולציין URL של דף בית שנראה לגיטימי.

2. ⁦Phishing⁩ לכניסה

הצלחת המתקפה תלויה בכך שהמשתמש יבצע פעולה וייכנס לאפליקציה. התוקף שולח הודעת פישינג, למשל כזו הטוענת שהמשתמש צריך "לעדכן את הגדרות Adobe" או "לאמת את החשבון שלו". המטרה היא לגרום למשתמש ללחוץ על קישור ולהגיע לדף כניסה אמיתי של Microsoft.

3. ⁦Getting Consent⁩

לאחר שהמשתמש נכנס, הוא רואה הנחיה המבקשת הרשאה לגשת לנתונים שלו. מכיוון ששם האפליקציה והלוגו נראים לגיטימיים, המשתמש לוחץ לעתים קרובות על "Accept". בכך המשתמש "מוסיף" בטעות את האפליקציה של התוקף לדייר הארגוני שלו. כפי שניתן לראות בתרשים, הדבר יוצר Service Principal חדש (מופע מקומי) בתוך דייר הקורבן, למרות שהתוקף עדיין שולט באפליקציה הגלובלית.

4. ⁦Capturing Access⁩

לאחר הלחיצה על "Accept", תהליך הכניסה הושלם. אך במקום לעבור לדף נחיתה רגיל, אסימון הגישה (access token) נשלח ל-Redirect URL של התוקף. עם האסימון הזה, לתוקף יש כעת גישה לקבצים או למיילים של המשתמש מבלי שיצטרך לדעת את הסיסמה שלו.

5 . ⁦Enabling Persistency⁩

כפי שצוין לעיל, על ידי מתן ההסכמה, דייר הקורבן יוצר Service Principal עבור האפליקציה שבשליטת התוקף. ה-Service Principal הזה נשאר פעיל ללא תלות בסשן של המשתמש או בפרטי הזיהוי שלו, מה שמאפשר לאפליקציה להמשיך לגשת למשאבים כל עוד ההרשאות שניתנו נשארות בתוקף. בניגוד לגניבת אישורים מסורתית, גישה זו שורדת איפוסי סיסמאות, אכיפת MFA ואפילו עזיבת משתמשים, אלא אם כן הרשאת ה-OAuth או ה-Service Principal מוסרים במפורש.

בשלב זה ברור שיישומי OAuth זדוניים מהווים סיכון אמיתי ומתמשך, בין היתר כי הם דומים מאוד לאינטגרציות SaaS לגיטימיות וקשה להעריך אותם במבודד – קשה לדעת במבט חטוף אם אפליקציה היא זדונית או לא. בהתחשב בכך, ניתחנו אפליקציות OAuth זדוניות מהעולם האמיתי כדי להבין מה מבדיל בינן לבין אפליקציות בטוחות, והאם ניתן למנף את ההבדלים הללו לזיהוי שיטתי של אפליקציות זדוניות נוספות.

דוגמה להמחשה אחת היא אפליקציה שמציגה את עצמה כשילוב ⁦DocuSign⁩. למרות שהאפליקציה נראתה לגיטימית בפני עצמה, הערכתה בהקשר רחב יותר חשפה מספר דגלים אדומים בהשוואה לאפליקציה הלגיטימית ⁦DocuSign⁩ בפועל:

• ⁦Application Name⁩ - השם של האפליקציה הזדונית מחקה מקרוב את השירות ⁦SaaS⁩ הידוע ונראה לגיטימי לחלוטין. עם זאת, האפליקציה פורסמה על ידי גורם לא מאומת, ולא מספקת שום קשר חזק למותג שהיא טענה לייצג

• אימות מפרסם - האפליקציה הלגיטימית מאומתת על ידי בעל אתר, בעוד שהאפליקציה הזדונית לא.

• דף הבית - האפליקציה הזדונית אינה מציינת דף בית, בעוד שהאפליקציה הלגיטימית מוגדרת עם דף הבית הרשמי.

• Reply URL חשוד או לא קשור - ה-Redirect URI של האפליקציה הזדונית מצביע על תשתית שאינה קשורה לשירות הנטען, ובמקרה זה אף משתמש בתת-דומיין של שירות אירוח חינמי.

• שם ודומיין חריגים של בעלי האפליקציה - הדייר שבבעלותו האפליקציה והדומיינים המשויכים אליה לא תאמו את השירות המוצהר, מה שמחליש עוד יותר את הלגיטימיות של האפליקציה. במקרים מסוימים, יש לנו סיבה להאמין שאתרים לגיטימיים נפרצו על ידי התוקפים.

• שכיחות האפליקציה - האפליקציה האמיתית ⁦DocuSign⁩ יכולה להימצא בשימוש על ידי ארגונים רבים, ואילו את האפליקציה הזדונית ניתן למצוא רק בקומץ של סביבות

לאחר חקירה ידנית של מספר יישומים זדוניים, רצינו לתרגם את התובנות הללו לצינור עבודה אוטומטי המסוגל לזהות באופן יזום פעילות זדונית עתידית. התוצאה היא צינור ניתוח רב-שלבי המעשיר בהדרגה את נתוני יישומי ה-OAuth, מפחית רעשים ומאפשר הן זיהוי של יישומים חשודים שנצפו לראשונה והן ניתוח חוצה-סביבות (cross-environment) לחשיפת פעילות תוקפים.

הצינור מורכב מארבעה שלבים עיקריים:

1. מיצוי וקביעת קו בסיס: אנו מתחילים בטעינת נתוני יישומי OAuth שנצפו בסביבות השונות, תוך התמקדות באינטגרציות של צד שלישי. מנתונים אלו אנו קובעים קו בסיס של Application IDs ושמות נפוצים, ומסננים את אלו המופיעים באופן נרחב בסביבות רבות, מכיוון שהם נוטים לייצג שירותי SaaS לגיטימיים. קו בסיס זה משמש בשלבים מאוחרים יותר לזיהוי יישומים שמחקים אינטגרציות מוכרות או חורגים מהן. עבור יתר האפליקציות, אנו מחלצים מאפייני מפתח הדרושים לניתוח השוואתי.

2. העשרה (Enrichment): המטא-נתונים של כל אפליקציה שזוהתה מועשרים בהקשר נוסף כדי להעריך טוב יותר את הלגיטימיות והסיכון שלה. תהליך העשרה זה משלב מספר אינדיקטורים, כולל:

• ניתוח שמות יישומים - שמות יישומים מושוים מול קו הבסיס של שמות נצפו נפוצים שזוהו בשלב הגילוי כדי לזהות ניסיונות התחזות או התחזות למותג פוטנציאליים

• הערכת דף הבית ⁦URL⁩ - דף הבית ⁦URLs⁩ נבדק כדי לזהות דפים ריקים, מצייני מיקום או חשודים, ומוצלבים עם מידע ⁦DNS⁩ כדי להעריך את חוקיות הדומיין

• ניתוח תגובה ⁦URL⁩ - הפניה מחדש ⁦URIs⁩ מנותחת כדי לחלץ בעלות על דומיין ומאפיינים ⁦DNS⁩, ועוזרת לזהות תשתית שאינה קשורה לשירות הנטען

• ⁦Ownership⁩ והקשר של מפרסם - שמות מוציאים לאור, דייר ⁦IDs⁩ ודומיינים משויכים מועשרים כדי לספק תובנות לגבי הישות המפעילה את האפליקציה.

• ⁦Adoption⁩ ושימוש בהרשאות - הפצת דיירים וההרשאות המבוקשת על ידי האפליקציה כלולים כדי להבין כיצד האפליקציה משמשת בפועל ולהדגיש התנהגות חריגה או בסיכון גבוה.

3. החלטה ותעדוף: כדי לתעדף יישומי OAuth לחקירה, אנו מיישמים מנגנון ניקוד משוקלל על בסיס האינדיקטורים המועשרים. במקום להסתמך על אינדיקטור בודד, המודל משלב מספר "אותות חלשים" כגון שימוש חריג בהרשאות, שכיחות נמוכה בקרב דיירים (tenant prevalence), דמיון בשמות לאינטגרציות מוכרות, ו-Reply URL או דפי בית חשודים – כדי להקצות ציון סיכון לכל אפליקציה. גישת ניקוד זו מסייעת להציף אפליקציות הדורשות בדיקה מעמיקה, תוך הפחתת רעשים מאינטגרציות לגיטימיות שעשויות להפגין מאפיין חריג אחד בודד.

4. הערכה הקשרית בסיוע AI: במהלך הניתוח, גילינו שחלק מהיבטי הערכת יישומי OAuth הם הקשריים מטבעם. אינדיקטורים כגון התאמת ה-Reply URL לשירות הנטען, או השאלה אם הדומיין של הבעלים הגיוני עבור שם אפליקציה מסוים, קשים להערכה באמצעות כללים נוקשים בלבד. כדי להתמודד עם זה, שילבנו שלב הערכה הנעזר ב-AI, הבוחן את המטא-נתונים של האפליקציה בצורה הוליסטית. שלב זה מסייע להעריך את הסבירות הכוללת של האפליקציה על ידי הסקת מסקנות מתוך הקשרים בין האינדיקטורים, במקום להעריך כל אינדיקטור בנפרד.

5. סיבוב (Pivoting) וגילוי קמפיינים: לבסוף, הצינור מאפשר לבצע סיבוב (pivoting) בין אינדיקטורים משותפים כגון Reply URLs, דומיינים של בעלים, מטא-נתונים של אפליקציות ומוסכמות שמות. על ידי התאמת אותות אלו בין סביבות, אנו מסוגלים לקבץ יישומי OAuth קשורים ולזהות קמפיינים תוקפים מתואמים הפועלים במספר ארגונים. זה מעביר את המיקוד מזיהויים מבודדים לנראות ברמת הקמפיין, ומספק תובנה עמוקה יותר על האופן שבו תוקפים עושים שימוש חוזר ומתאימים יישומי OAuth בטבע.

כדוגמה מוחשית לפעילות OAuth זדונית שאנו רואים בשטח, צינור הזיהוי שלנו איתר קמפיין רחב היקף שהיה פעיל בתחילת 2025. הקמפיין כלל 19 אפליקציות OAuth שונות שהתחזו למותגים מוכרים כגון Adobe, DocuSign ו-OneDrive, וכיוון לארגונים רבים. אותו קמפיין דווח באופן עצמאי על ידי צוות המחקר של Proofpoint. בכל האפליקציות ראינו סימנים ברורים לתיאום, כולל שימוש חוזר בתשתית – בולטים במיוחד היו ה-Reply URLs המשותפים ודפי הבית הריקים או כאלו המשמשים כמצייני מיקום.

זרימת התקיפה הסתמכה על פיתוי משתמשים להעניק הרשאות OAuth ליישומי שיתוף מסמכים מזויפים, מה שאיפשר לתוקפים להשיג גישה ארוכת טווח מבלי להפעיל התראות MFA או התראות על התחברות חריגה. לאחר מתן ההסכמה, התוקפים יכלו לקרוא מיילים וקבצים של משתמשים, לשמור על גישה באמצעות הרשאות מואצלות ולחלץ נתונים מבלי ליצור פעילות אימות חשודה. רשימת אינדיקטורים לפשרה (IOCs) הקשורים לקמפיין זה מופיעה בסוף בלוג זה.

#azure-security#phishing#wiz
קרא במקור