亚马逊披露黑客用AI代理框架ARTEX发起攻击
时间:2026年11月16日
地点:全球
人物:Amazon Threat Intelligence团队、Pierluigi Paganini、Google GTIG
事件详情:亚马逊威胁情报团队11月16日披露,其MadPot诱饵传感器网络在10月3日至11月5日期间捕获到黑客使用ARTEX AI代理框架发起网络攻击的活动。ARTEX是一个开源的AI渗透测试框架,攻击者利用其自动化执行多阶段入侵,包括窃取AI模型凭证、验证云身份、列取存储、检查权限,以及攻击受管理的AI服务、机密存储和应用身份。攻击目标包括One API、New API、Veloera、Sub2API、LiteLLM等API网关,以及Dify、FastGPT、Langflow、RAGFlow、Open WebUI、LobeChat、Ollama等AI开发平台。其中一起大规模 campaign 窃取了AI模型凭证,并使用窃取的密钥为代理提供算力以 hunting 更多密钥。另一起 campaign 尝试使用实时深度伪造视频绕过两家加密货币交易所的KYC身份验证。
背景:ARTEX框架通过规划器、工作者、验证和压缩代理共享持久化知识图谱来协同工作。攻击者只需设定任务,代理即可自主执行。Google威胁情报组(GTIG)也在11月16日发布报告警告,攻击者已从手动 prompting 转向部署自主多Agent攻击框架,包括ARTEX、CAIRN、CyberStrikeAI和PentAGI,以更快的速度执行多阶段入侵。GTIG观察到CAIRN和PentAGI已被用于真实攻击,而CyberStrikeAI和HexStrike AI仍在测试中。此外,LLM劫持(LLMjacking)现象也在增加,攻击者窃取LLM凭证和云资源后转售,日 fraudulent charges 可达10万至100万美元。
影响:这是首次有公开报告详细记录攻击者使用自主AI代理框架进行大规模网络攻击。安全研究员MalwareMustDie在数小时内发布了ARTEX检测包,涵盖Sigma、Sentinel KQL、Suricata 7、Snort 3、osquery、YARA和STIX 2.1七种格式。检测包采用行为优先策略,因为ARTEX的 indicators 会在攻击者更换模型、prompt或服务器时改变。Google SecOps已发布ARTEX检测规则,Mandiant也发布了安全指南。
总结:亚马逊和Google的披露标志着AI安全进入新阶段:攻击者已开始使用自主AI代理框架将攻击速度从周级压缩到小时级。防御方的应对策略也需转变——从依赖静态IOC转向行为监控,同时确保基本安全卫生(默认密码、暴露的API密钥、未修补的软件)仍是最有效的防线。
常见问题:
问:ARTEX是什么?
答:ARTEX是一个开源的AI渗透测试框架,攻击者将其用于自动化多阶段网络攻击,包括凭证窃取、云身份验证和深度伪造KYC绕过。
问:如何防御ARTEX攻击?
答:研究员发布了行为优先的检测包,同时Google和Mandiant建议加强API密钥管理、修补已知漏洞,并监控异常使用模式。
参考来源:
AWS安全博客 https://aws.amazon.com/cn/blogs/security/amazon-threat-intelligence-observes-threat-actors-running-cybercrime-campaigns-with-artex-ai-agents/
SecurityAffairs - ARTEX攻击分析 https://securityaffairs.com/203188/ai/artex-how-cybercriminals-use-ai-agents-to-scale-their-attacks.html
SecurityAffairs - ARTEX检测包 https://securityaffairs.com/203230/hacking/from-report-to-tested-detection-in-hours-the-artex-signature-pack.html
SecurityAffairs - Google GTIG警告 https://securityaffairs.com/203260/hacking/google-gtig-warns-ai-agents-automate-exploits-steal-credentials-and-scale-cybercrime.html
Google GTIG报告 https://cloud.google.com/blog/topics/threat-intelligence/agentic-threat-activity-crosses-a-significant-threshold







