誤って設定されたWebサーバーが、今年セキュリティ研究者によって記録された中でも、特に計画的なAI駆動の暗号資産フィッシングオペレーションの一つの内幕を明らかにした。サイバーセキュリティ企業Rapid7によると、同社はほとんど偶然にこの露出したインフラを発見したが、その内部にあったのは完全に構築された詐欺マシンだった。約90万件の電話番号、自動アカウント確認ツール、偽のウォレットソフトウェア、そして一般的なAIコーディングアシスタントの助けを借りて書かれたコードである。Rapid7はこのキャンペーンをオペレーション ASTERIXと名付けており、かつてははるかに多くの手作業を必要としていた暗号資産フィッシングキャンペーンに、生成AIツールがどのように組み込まれているかについて、稀に見る詳細な姿を示している。
Summary
主なポイント
- Rapid7は、誤設定され露出していたサーバーを発見したことから、AI駆動の暗号資産フィッシングキャンペーン「オペレーション ASTERIX」を突き止めた。
- 露出していたデータセットには約88万5,000件の電話番号が含まれており、そのうち31万6,002件はドイツの携帯番号で、4万3,066件の一致するCrypto.comアカウントが生成された。
- 攻撃者は、Trezor Suite、Ledger Live、Exodusを模倣した偽ウォレットアプリと、Crypto.comおよびBinanceを装ったフィッシングページを構築した。
- GitHub CopilotとClaude Codeといったコーディングアシスタントが、悪意あるツールの作成、パッケージング、改良に使用され、オペレーターは安全制限に突き当たると別のAIモデルへの切り替えを試みた。
- Rapid7は、このオペレーションを記録した後、Appleのセキュリティチームを含む関係プロバイダーや当局に通知した。
Rapid7が明らかにしたオペレーション ASTERIXとその実態規模
オペレーション ASTERIXは、フィッシングメール、電話による通話、偽ウォレットソフトウェアを一つの統合された詐欺パイプラインに組み合わせており、その背後にある数字は衝撃的だ。Rapid7が発見した公開ディレクトリには、複数のデータセットにまたがって約88万5,000件の電話番号が含まれており、それぞれがこのオペレーションのターゲティングエンジンに供給するために収集されたものとみられる。
オペレーション ASTERIXの発見と範囲
その中で最大の単一バッチは、31万6,002件の携帯番号を含むドイツのデータセットだった。オペレーターは無作為にメッセージをばらまくのではなく、そのリストを、どの番号が実際に暗号資産取引所のアクティブなアカウントに紐づいているかを確認するための自動検証ツールにかけた。このステップが重要だった。匿名の数字の塊を、被害に遭う可能性が高い人物の厳選リストへと変えたからだ。
電話データセットとアカウント検証の利用
ドイツの番号だけから、攻撃者は4万3,066件のCrypto.comアカウントを特定した。Crypto Briefingが同じサーバーについて報じたところによると、Crypto.comのシステムに対する検証チェックのヒット率は13.6%であり、テストされた約7件に1件の番号が実在するアクティブアカウントに対応していたことになる。これと同じ比率を88万5,000件の番号全体に当てはめると、理論上は12万件を超えるアクティブな取引所ユーザーが標的になり得る計算になり、盗まれた、あるいはスクレイピングされた電話データと信頼できる検証ツールが組み合わさることで、フィッシングキャンペーンの到達範囲がどれほど広がるかを物語っている。
ここから、このオペレーションは無差別な詐欺ではなく、ターゲティングシステムの様相を帯びてくる。番号が生きていると確認されると、Rapid7によれば、このキャンペーンは名前、連絡先情報、所在地、場合によってはアカウント関連情報といった付加情報をレコードに重ね、後続の連絡が汎用的ではなく、個別対応のように感じられるようにしていた。
フィッシング手法：ブランドなりすましと偽ウォレットアプリケーション
確認済みの標的は、正規のカスタマーサポートに見せかけたマルチチャネルの圧力キャンペーンに誘導された。連携されたメールと電話は一致するアカウント情報を参照しており、Rapid7によると、これが典型的な大量フィッシングよりもはるかに説得力のあるなりすましを可能にしていた。
主要暗号資産ブランドのなりすまし
フィッシングインフラは、業界最大級の取引所であるCrypto.comとBinanceを直接装っており、そのことが連絡に正当性の雰囲気を与え、標的を罠の次の段階へと誘導した。
偽ウォレットアプリケーションの展開
その次の段階の中心となったのが、信頼されたソフトウェアを模倣して構築された偽の暗号資産ウォレットだ。Rapid7は、Trezor Suite、Ledger Live、Exodusに似せた偽バージョンを回収しており、これらはmacOSとWindowsの両方向けにパッケージされていた。インストールされると、アプリはユーザーに12〜24語のリカバリーフレーズの入力を促す。これはあらゆる暗号資産ウォレットのマスターキーであり、その後これらはTelegramを通じて攻撃者のもとへそのまま送信された。Rapid7はまた、このオペレーションが偽のClaude Codeインストーラーもホスティングしていたことを突き止めた。これは、正規のAIコーディングツールと一緒に、こうした悪意あるウォレットアプリの一つをひそかにインストールしようとするもので、信頼された開発者向け製品に隠れたペイロードを紛れ込ませていた。
AIツールが暗号資産フィッシングキャンペーンをどう支えたか
オペレーション ASTERIXを従来のフィッシング手口と一線を画しているのは、その構築における生成AIの目に見える役割だ。露出したサーバーから回収されたアーティファクトによると、オペレーターはGitHub CopilotとClaude Codeに、コーディング、スクリプト作成、アプリケーションパッケージング、インフラ構築といった作業を依存しており、これはかつては専任の開発者を必要としていた種類の技術的労働である。
GitHub Copilot、Claude Codeの利用とAIツールの切り替え
Rapid7の調査によれば、詐欺師たちはこれらのアシスタントを、単に動作するコードを書くためだけでなく、それを積極的に洗練させるためにも利用しており、その中にはツール自体に組み込まれた安全ガードレールを回避しようとする試みも含まれていた。
AIモデル制限の回避試行
ある時点で、Claudeはコード難読化に関連するリクエストを拒否したとされる。そこでオペレーターはそこで諦めるのではなく、別のモデルであるKimiに切り替え、その制限を押し広げようとした。Rapid7は、その特定の回避試行が成功したかどうかを確認することはできなかったが、少なくとも、一つのAIシステムが反発したときには別のツールへ乗り換えるという、意図的なツールホッピングのパターンがあったことは証拠から明らかだとしている。
なぜこれが重要なのか。このパターンは、AIのガードレールが有用である一方で、決意の固いオペレーターが単に別のモデルへ移るだけで完全な障壁にはならないことを示している。AIコーディングツールが増えれば増えるほど、安全制御をすり抜けようとする者に開かれる「ドア」の数も増えることになる。
通知、対応、そして今後
扱われていたデータの規模にもかかわらず、このオペレーションの日々の活動は驚くほど小規模に見えた。サーバーから回収されたアクティビティログには、約2週間の期間にわたって、リードの照会が20件、フィッシングメールの送信が6件しか記録されておらず、オペレーターが量よりも精度を重視していたことを示唆している。つまり、大量スパムではなく、精査された少数の高確度ターゲットに絞っていたということだ。
プロバイダーおよび当局への通知
Rapid7がこのキャンペーンを発見した時点では、そのインフラの多くがまだ稼働中、あるいは開発中だった。同社は2026年8月17日に調査結果を公開する前に、Appleのセキュリティチームと連携した。また、露出したデータや偽アプリケーションについて、他の関係プロバイダーにも通知した。
暗号資産ユーザーにとっての潜在的リスクと露出
Crypto.comのような取引所にとって、この出来事は一つの鋭い問いを投げかける。自動アカウント検証エンドポイントは、外部からの探索に対してどれほどのシグナルを漏らしているのか。電話番号照会で13.6%もの確認率が得られるのであれば、攻撃者はパスワードに一切触れることなく、実用的なターゲットリストを構築できてしまう。それは、漏えい源がウォレットソフトウェアそのものではなく、「誰が標的に値するか」を攻撃者に教えてしまう検問所にある以上、大量クエリに対する検証APIの応答方法を厳格化すべきだという強い論拠になる。
業界にとってのより広い教訓は、この一つのオペレーションそのものというよりも、それが示唆する方向性にある。AIコーディングアシスタントによって、説得力のある偽ウォレットアプリやフィッシングインフラを構築することは、これまでよりも速く、安くなった。そしてオペレーション ASTERIXは、そうしたツール内部のガードレールが、より寛容なモデルへ切り替えるだけで迂回され得ることを示している。この「安価なAI支援開発」と「大規模かつ検証済みの電話データセット」の組み合わせは、この特定のネットワークが別名で再登場するかどうかにかかわらず、今後の暗号資産フィッシングキャンペーンに繰り返し現れる可能性が高い。
FAQ
オペレーション ASTERIXとは何ですか？
オペレーション ASTERIXは、Rapid7によって明らかにされたAI駆動の暗号資産フィッシングキャンペーンであり、電話データ、アカウント検証、偽ウォレットアプリを利用して暗号資産のリカバリーフレーズを盗み出していた。
攻撃者はどのように標的を特定したのですか？
攻撃者は大規模な電話データセットと自動検証ツールを用いて、暗号資産取引所のアクティブアカウントに紐づく電話番号を特定した。これには、31万6,002件の番号から特定された4万3,000件超のCrypto.comアカウントが含まれる。
フィッシングキャンペーンにおいてAIツールはどのような役割を果たしましたか？
GitHub CopilotやClaude CodeといったAIコーディングアシスタントは、このフィッシングオペレーションにおけるコーディング、スクリプト作成、アプリケーションパッケージング、インフラ構築などの作業に利用され、オペレーターは安全制限に直面するとモデルを切り替えていた。
オペレーション ASTERIXの発見後、どのような対応が取られましたか？
Rapid7は、Appleのセキュリティチームを含む関係サービスプロバイダーや当局に通知し、このキャンペーンの軽減に役立てるため、2026年8月17日に調査結果を公開した。
{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”What is Operation ASTERIX?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Operation ASTERIX is an AI-powered crypto phishing campaign uncovered by Rapid7 that used phone data, account validation, and fake wallet apps to steal cryptocurrency recovery phrases.”}},{“@type”:”Question”,”name”:”How did attackers identify their targets?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Attackers used extensive phone datasets and automated validation tools to identify phone numbers linked to active cryptocurrency exchange accounts, including over 43,000 Crypto.com accounts identified from a German dataset of 316,002 numbers.”}},{“@type”:”Question”,”name”:”What role did AI tools play in the phishing campaign?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”AI coding assistants such as GitHub Copilot and Claude Code were used in coding, scripting, application packaging, and infrastructure tasks for the phishing operation, and operators switched between models after running into safety restrictions.”}},{“@type”:”Question”,”name”:”What steps have been taken after the discovery of Operation ASTERIX?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Rapid7 notified relevant service providers and authorities, including Apple’s security team, and published its findings on August 17, 2026, to help mitigate the campaign.”}}]}
本記事は人工知能の支援を受けて作成され、編集部による確認を経ています。
