Нейросети и безопасность: как собрать ИИ-песочницу для анализа вредоносов на Linux

Автор оригинального эксперимента проверял конкретную гипотезу: может ли LLM (large language model, большая языковая модель), в данном случае Codex, получив контролируемый доступ к инструментам анализа, провести первичное исследование вредоноса как реверс-инженер. По его словам, модель справилась: нашла подозрительные места в бинарнике, сопоставила динамический и статический анализ, сформировала выводы. Но ИИ-агент (программа, которая сама выполняет цепочку действий по заданию) при этом не заменяет специалиста, а берёт на себя рутину, пока человек контролирует критические точки.

Что понадобится?

• Linux-хост с установленным QEMU/libvirt (система виртуализации, управляющая виртуальными машинами из терминала)
• Windows 11 VM (виртуальная машина) с минимальным набором: Sysmon для логирования, PowerShell-скрипты запуска, каталог для приёма образца
• Volatility 3 для анализа дампов памяти на стороне хоста
• Ghidra с плагином Ghidra MCP для статического анализа бинарников
• Codex (или другой LLM-агент) для автоматизации pipeline
• tcpdump или аналог для захвата сетевого трафика (PCAP) на хосте
• Образец вредоноса, например с MalwareBazaar
• Время: первая настройка с отладкой прав и снэпшотов займёт несколько часов; повторные запуски проходят быстрее

Пошаговая инструкция

1. Разделите систему на две зоны

Архитектура строится на одном принципе: снимать все данные со стороны хоста. Гостевая Windows VM после запуска вредоноса считается полностью скомпрометированной. Доверять данным изнутри неё нельзя.

На хосте размещается вся логика оркестрации (управления процессом): создание диска от эталонного снэпшота, подключение виртуального носителя к VM, запуск виртуальной машины, захват PCAP, снятие дампа памяти, анализ через Volatility и Ghidra, генерация отчётов.

2. Подготовьте гостевую VM

Внутри Windows VM установите только необходимый минимум:

• Агент для запуска образца
• PowerShell-скрипты запуска
• Конфигурацию Sysmon (утилита Microsoft для детального логирования событий)
• Каталог для приёма образца
• Механизм записи базовых артефактов (файлов, логов, следов работы вредоноса)

Никаких сетевых каналов, общих папок или drag-and-drop между хостом и гостем. Автор эксперимента подчёркивает: оставлять канал, по которому настраивалась песочница, во время запуска вредоноса опасно.

3. Настройте права доступа (ACL)

Это оказалось одной из самых неприятных проблем на практике. QEMU запускает процессы от отдельного пользователя (например, libvirt-qemu), Codex работает от обычного пользователя, а диски и дампы создаются в разных местах разными субъектами.

Решение: не давать агенту sudo, а настроить ACL (списки контроля доступа) так, чтобы каждый компонент имел ровно те права, которые ему нужны:

# Базовый снимок доступен QEMU на чтение
setfacl -m u:libvirt-qemu:r /path/to/base-snapshot.qcow2

# Директория /runs доступна и пользователю, и QEMU
setfacl -R -m u:libvirt-qemu:rwx /path/to/runs
setfacl -R -m u:your_user:rwx /path/to/runs

# Новые файлы наследуют нужные ACL
setfacl -d -m u:libvirt-qemu:rwx /path/to/runs
setfacl -d -m u:your_user:rwx /path/to/runs

4. Решите вопрос с шифрованием диска

Если на гостевой Windows включён BitLocker (встроенное шифрование диска), снятие данных с диска offline может оказаться бесполезным без ключей. Автор эксперимента сознательно не отключал шифрование, чтобы приблизить условия к реальной системе, но вывод артефактов организовал на отдельный незашифрованный виртуальный диск. Это самое узкое место с точки зрения нейросетей и безопасности: незашифрованный диск с артефактами нужно контролировать отдельно.

5. Запустите pipeline анализа

Сценарий выглядит так:

1. Подготовьте директорию с валидными правами
2. Создайте диск от эталонного снэпшота
3. Подключите виртуальный съёмный носитель с образцом вредоноса к VM
4. Запустите VM через libvirt
5. Дождитесь выполнения образца внутри гостевой системы
6. Снимите дамп памяти и PCAP с хоста
7. Передайте артефакты на анализ Volatility 3 и Ghidra
8. Отдайте результаты LLM-агенту для формирования отчёта

6. Отключите Windows Defender заранее

Практический момент, который не сразу очевиден: обновлённый Windows Defender просто не даст запустить вредонос в песочнице. Автор эксперимента обнаружил это в ходе отладки и потратил на это отдельный прогон.

Почему именно QEMU/libvirt?

Выбор обоснован низкоуровневым контролем над жизненным циклом виртуальной машины из терминала: снэпшоты, подключение дисков, управление носителями, снятие дампа, настройка сетевых интерфейсов и возможность снимать PCAP без участия гостя. По словам автора, такой глубины автоматизации через VMware Workstation без отдельной обвязки он не получил.

Что делает ИИ-агент, а что остаётся за человеком?

За агентом:

• Подготовка скриптов
• Проверка окружения
• Запуск pipeline передачи образца из карантина в VM
• Обработка артефактов
• Анализ дампа памяти
• Импорт в Ghidra
• Формирование отчётов

За человеком:

• Как именно изолировать виртуальную машину
• Какой снэпшот считать эталонным
• Когда разрешать запуск динамического исследования (запуск вредоноса в песочнице)

Это не сервис потокового анализа вроде ANY.RUN или VirusTotal. Цель другая: глубокий анализ конкретного образца с быстрым ответом для исследователя, на основании которого реверс-инженер решает, нужно ли погружаться дальше.

Что с этого прямо сейчас, по ролям?

Автору Дзена, который пишет про технологии и безопасность. Тема нейросетей и безопасности даёт конкретный контент-формат: пошаговый разбор своего эксперимента с результатами. Такие материалы собирают заинтересованную аудиторию, потому что дают воспроизводимый результат, а не пересказ пресс-релиза.

Маркетологу и предпринимателю. Если у вас в компании есть ИБ-отдел (отдел информационной безопасности), подобная песочница с LLM-агентом может ускорить первичный разбор инцидентов. Все инструменты из списка бесплатны и доступны в РФ: QEMU, Ghidra, Volatility 3 не требуют зарубежных подписок. Codex можно заменить на доступные в России LLM с поддержкой агентного режима.

Специалисту по безопасности. Ключевая ценность подхода не в замене реверс-инженера, а в автоматизации рутины: подготовки скриптов, обработки артефактов, формирования черновых отчётов. Решения о глубине исследования остаются за вами.

Связка из изолированной виртуальной машины, классических инструментов анализа и LLM-агента уже работает на практике, и все компоненты доступны бесплатно. Главное, что стоит вынести из этого гайда: нейросети для безопасности не заменяют инженера, но превращают часы рутинной обработки артефактов в минуты, если вы правильно настроили изоляцию и не доверяете агенту то, что должны решать сами.