Amazon Threat Intelligence mengamati pelaku ancaman yang menjalankan kampanye kejahatan dunia maya dengan agen AI ARTEX

- Redaksi

Selasa, 17 November 2026 - 03:20 WIB

facebook twitter whatsapp telegram line copy

URL berhasil dicopy

facebook icon twitter icon whatsapp icon telegram icon line icon copy

URL berhasil dicopy

Dari 3 Oktober hingga 5 November 2026, MadPot Amazon, jaringan sensor ancaman umpan yang didistribusikan secara global, menangkap permintaan dari agen AI yang mencakup memori pengoperasian dari kampanye ofensif yang dijalankan pelaku ancaman di ARTEX, sebuah kerangka pengujian penetrasi AI agen sumber terbuka. Agen ARTEX mengirimkan permintaan ini ke sensor MadPot yang dikonfigurasi untuk disajikan sebagai API inferensi model bahasa besar (LLM) yang populer, dan permintaan tersebut membawa catatan kampanye mereka sendiri oleh agen.

Amazon Threat Intelligence menilai aktivitas ancaman yang merujuk pada pelanggan AWS yang berpotensi terkena dampak dan memberi tahu mereka jika diperlukan. Karena aktivitas terhadap organisasi lain tidak dapat dikonfirmasi, postingan ini membagikan temuan dan indikator kompromi (IOC) sehingga organisasi yang menjalankan teknologi yang terkena dampak dapat meninjau lingkungan mereka sendiri.

Kampanye ARTEX yang paling menonjol adalah pencurian kredensial dalam skala besar untuk mengakses model AI, yang diorganisir sebagai operasi mandiri di mana kunci yang dicuri membayar inferensi LLM yang mendorong perburuan kredensial lebih lanjut. Kampanye lain menargetkan pertukaran mata uang kripto untuk melewati verifikasi kenali pelanggan Anda (KYC) menggunakan injeksi deepfake waktu nyata. Secara keseluruhan, catatan agen menunjukkan bahwa kerangka kerja agen telah berkembang dari penggunaan eksperimental menjadi operasi ofensif multi-tujuan yang berkelanjutan dan dijalankan dengan intervensi manusia yang minimal. Posting ini menjelaskan bagaimana kampanye ini beroperasi berdasarkan deskripsi kampanye agen itu sendiri.

Atribusi dan instruksi

Amazon Threat Intelligence menilai dengan keyakinan sedang bahwa ARTEX digunakan untuk kampanye ini karena referensi cepat ke alat ARTEX dan artefak teknis lainnya yang merujuk ARTEX. Pelaku ancaman menginstruksikan agen ARTEX melalui instruksi tetap yang menetapkan tujuan misi, aturan penargetan, dan batasan operasional. Berdasarkan instruksi tersebut, agen menangani sendiri pekerjaannya. Dalam salah satu kampanye pencurian kredensial, operator meminta agen untuk bekerja di negara-negara tertentu, memprioritaskan lokasi produksi perusahaan dibandingkan proyek pribadi, dan menilai setiap kredensial yang dicuri berdasarkan apakah kredensial tersebut berfungsi dan jangkauannya. Agen diarahkan untuk memperlakukan kredensial yang diekspos secara publik selama lebih dari 30 hari sebagai inventaris bernilai rendah.

Amazon Threat Intelligence juga menilai dengan tingkat keyakinan yang moderat bahwa kelompok-kelompok ancaman ini adalah kelompok ancaman China-nexus yang berbeda karena penggunaan bahasa China yang disederhanakan dalam perintahnya, konfigurasi zona waktu Tiongkok, penargetan yang konsisten dengan kepentingan Tiongkok, dan alat yang sebagian besar digunakan oleh ancaman-ancaman China-nexus. Contoh instruksinya mencakup penetapan garis merah, seperti mengecualikan target Tiongkok daratan dan domain pemerintah, serta mengharuskan semua lalu lintas keluar melalui proxy.

Bagaimana MadPot melihat kampanye ini

MadPot menyajikan layanan terkontrol kepada calon penyerang dan mencatat bagaimana mereka menemukan, menguji, dan mencoba untuk berkompromi atau menyalahgunakannya. Telemetri MadPot memungkinkan Amazon Threat Intelligence mengamati perilaku penyerang tanpa memaparkan beban kerja pelanggan. Dalam hal ini, sensor MadPot menghadirkan antarmuka penyelesaian obrolan populer yang kompatibel dengan LLM di berbagai port. Kerangka kerja agen mengirimkan perintah ke antarmuka ini sebagai bagian dari alur kerja ofensifnya, memperlakukannya sebagai backend inferensi LLM.

Telemetri yang dihasilkan berisi konteks tugas yang persisten, perintah sistem, riwayat alat, status grafik pengetahuan, dan temuan yang dilaporkan yang biasanya dikirimkan kerangka kerja ini ke LLM untuk membuat keputusan operasional. Karena kerangka agen menyimpan riwayat percakapan masa lalu, permintaan individual sering kali berisi riwayat operasional kampanye secara lengkap. Riwayat tersebut menggambarkan aktivitas yang terjadi sebelum dan di antara permintaan yang ditangkap, pada sistem yang tidak dipantau oleh MadPot. Amazon Threat Intelligence tidak mengamati aktivitas tersebut saat terjadi dan tidak dapat memverifikasi hasil yang dilaporkan oleh agen, namun catatan menunjukkan apa yang sedang dilakukan oleh para pelaku.

Sebagian besar aktivitas menggunakan ARTEX untuk membagi pekerjaan antara perencana, pekerja, verifikasi, dan agen kompresi yang berbagi grafik pengetahuan yang persisten. Grafik pengetahuan bertindak sebagai memori bersama operasi: setiap agen membacanya, dan menulis kembali hasilnya, sehingga setiap agen melanjutkan apa yang ditinggalkan agen lainnya. Catatan para agen menggambarkan pengintaian, pengujian kerentanan, pencurian kredensial, perluasan hak istimewa cloud, dan upaya penipuan mata uang kripto di ratusan target yang mencakup platform aplikasi AI dan beban kerja lainnya. Catatan ini menunjukkan bagaimana pelaku ancaman mengorganisir operasi ofensif yang gigih dan bermotif finansial menggunakan kerangka kerja AI yang agen.

Baca Juga :  Penundaan dan Pembatalan Penerbangan Besar-besaran di AS Melanda Puerto Riko, Dallas, Austin, Tampa, Houston, Newark, Anchorage, dan Banyak Lagi Saat Maskapai Menghadapi Kekacauan Perjalanan yang Meluas

Kampanye 1: Mencuri kredensial AI pada skala industri

Dalam kampanye ini, pelaku ancaman menggunakan agen AI untuk mencuri kunci API dan kredensial lain yang memberikan akses ke model AI, kemungkinan besar agar mereka dapat menggunakan model tersebut sementara orang lain membayarnya. Catatan agen menunjukkan kunci yang dicuri dimasukkan ke dalam gateway model kerangka kerja itu sendiri, di mana kunci tersebut mendukung agen untuk mencari kunci lainnya. Selain kunci akses model AI, kredensial cloud diperlakukan sebagai pintu masuk menuju lebih banyak akses. Agen memvalidasi identitas melalui token dan layanan identitas masing-masing penyedia, menghitung penyimpanan, menilai cakupan izin, dan mencari layanan model AI terkelola, penyimpanan rahasia dan parameter, serta identitas aplikasi. Mereka memprioritaskan akses ke model frontier premium dibandingkan izin cloud umum.

Agen mencatat penggunaan gateway, kunci, dan model AI yang berbeda, namun semuanya menggunakan metode bersama: menemukan aplikasi AI yang terekspos internet, mengekstrak kunci penyedia upstream yang mereka miliki, memvalidasi kunci tersebut, dan menyimpannya di kumpulan terkelola. Agen berfokus pada aplikasi yang mengumpulkan kunci penyedia, karena satu antarmuka manajemen yang lemah dapat mengekspos banyak akun hilir. Targetnya mencakup gateway LLM dan platform proxy seperti One API, New API, Veloera, Sub2API, dan LiteLLM, serta pembuat aplikasi AI seperti Dify, FastGPT, Langflow, RAGFlow, Open WebUI, LobeChat, dan Ollama. Buku pedoman kerentanan yang terkodifikasi memetakan setiap produk yang memiliki sidik jari ke rantai serangan yang diketahui, termasuk instalasi yang belum diinisialisasi yang dapat diklaim, manajemen anonim dan titik akhir konfigurasi penyedia, kredensial administrator default, seperti kunci master default LiteLLM, CVE-2025-3248 (Langflow), CVE-2026-28797 (RAGFlow), bypass autentikasi melalui header isCliRequest di sistem keluarga One API, SSRF melalui fitur pengambilan URL ke layanan metadata cloud, dan rahasia yang tersisa di JavaScript sisi klien, peta sumber, rute debug, dan file lingkungan.

Untuk menemukan kunci tersebut, penemuan memanfaatkan layanan pemindaian internet, transparansi sertifikat, dan kode publik serta sumber artefak: repositori GitHub dan arsip peristiwa (menargetkan rahasia yang tidak termasuk dalam pencabutan otomatis), tarbal npm dan PyPI, lapisan gambar kontainer, buku catatan, ruang hosting model, situs tempel, dan saluran Telegram. Satu operasi paralel dilakukan melalui urutan negara yang tetap, memprioritaskan lokasi produksi perusahaan, dan menilai setiap kredensial: L1 untuk prospek, L2 untuk panggilan API yang berfungsi dan dikonfirmasi, dan L3 untuk dampak terukur, seperti data yang dapat dibaca atau saldo yang dapat dibelanjakan. Kunci yang diekspos secara publik selama lebih dari 30 hari dianggap sebagai inventaris bernilai rendah.

Kampanye 2: Mengalahkan verifikasi identitas dengan deepfake

Dalam kampanye ini, pelaku ancaman menggunakan agen AI untuk mengalahkan pemeriksaan verifikasi identitas (KYC) di dua bursa mata uang kripto dengan deepfake. Catatan agen menunjukkan pembuatan video deepfake real-time untuk lolos pemeriksaan selfie langsung dan foto dokumen identitas palsu untuk lolos pemeriksaan dokumen.

Catatan tersebut menjelaskan pendekatan metodis terhadap pemeriksaan keaktifan, yang merupakan metode keamanan yang mengonfirmasi bahwa seseorang yang berinteraksi dengan sistem digital adalah manusia nyata dan hidup yang hadir secara fisik pada saat penangkapan. Agen merekayasa balik protokol keaktifan salah satu vendor secara rinci, mendokumentasikan aliran peristiwa deteksi wajah yang dikirimkan, cara melacak posisi wajah selama pemeriksaan, dan sistem koordinat yang digunakan untuk memberi tahu pengguna ke mana harus bergerak. Upaya terbaik mereka yang tercatat menyelesaikan rangkaian gerakan penuh dengan posisi wajah dalam jarak 7 piksel dari target. Meski begitu, keputusan sisi server vendor menolak deepfake dalam setiap upaya yang dicatat oleh agen. Secara paralel, sesi terpisah membuat pipeline video deepfake real-time pada satu GPU tingkat konsumen menggunakan model animasi wajah sumber terbuka. Dengan membagi model dan menghindari salinan memori yang tidak perlu pada GPU, kecepatannya mencapai 11,5 frame per detik, mendekati apa yang diharapkan dari pemeriksaan video langsung.

Baca Juga :  Terobosan Ajay Mitchell adalah tanda lain dari kedalaman Thunder yang mengesankan

Agen juga mengerjakan dokumen identitas. Vendor verifikasi mencari tanda-tanda bahwa foto dokumen telah diedit atau merupakan gambar layar, bukan hasil tangkapan kamera. Untuk melewati pemeriksaan tersebut, agen mencatat pembuatan metadata kamera sintetis yang dimensi gambarnya cocok dengan nilai sebenarnya di dalam file JPEG, dan mempertahankan tabel kompresi kamera asli yang biasanya akan menggantikan penyimpanan ulang gambar yang telah diedit. Hasilnya adalah gambar yang diubah, pada tingkat file, seperti foto kamera yang tidak tersentuh.

Kampanye ini juga menunjukkan bagaimana ARTEX menjalankan beberapa alur kerja menuju satu tujuan. Setidaknya empat sesi agen berjalan sekaligus: satu sesi mencari cara untuk mencairkan dana, satu sesi membersihkan saldo rekening, satu sesi menyiapkan saluran video deepfake, dan satu lagi melakukan bypass verifikasi. Mereka berbagi temuan dan menyerahkan tugas melalui alat lintas sesi.

Apa artinya ini bagi para pembela HAM

Tidak ada satu pun teknik dalam kampanye ini yang merupakan hal baru. Yang diubah oleh agen AI adalah kecepatan dan kegigihan penyerang. Agen berhasil ketika kebersihan keamanan dasar tidak ada, termasuk kredensial default atau hardcode, kunci tertinggal dalam kode dan artefak publik, antarmuka dan titik akhir inferensi yang tidak diautentikasi, dan perangkat lunak yang belum ditambal. Melakukan hal-hal mendasar dengan benar tetap merupakan pertahanan yang paling efektif.

Mengingat kecepatan dan kegigihan para penyerang, organisasi harus berasumsi bahwa rahasia yang terungkap dan kesalahan konfigurasi akan ditemukan dengan cepat dan melakukan tindakan perbaikan. Mereka harus menempatkan aplikasi AI, gateway model, dan titik akhir inferensi di bawah kendali yang sama seperti sistem produksi lainnya, dan mereka harus mewaspadai penyalahgunaan layanan AI melalui pembelanjaan yang tidak terduga atau penggunaan yang tidak biasa.

Indikator Kompromi (IOC)

Nilai IOC Tipe IOC Pertama kali Dilihat Terakhir terlihat Anotasi
104.28.225(.)223 IPv4 17-10-2026 19-10-2026 Kampanye 1
31.22.91(.)156 IPv4 14-10-2026 19-10-2026 Kampanye 1
150.136.38(.)110 IPv4 31-10-2026 31-10-2026 Kampanye 1
128.242.115(.)131 IPv4 31-10-2026 31-10-2026 Kampanye 1
216.176.239(.)231 IPv4 02-11-2026 02-11-2026 Kampanye 1
212.107.28(.)51 IPv4 14-10-2026 14-10-2026 Kampanye 2
103.142.140(.)158 IPv4 17-10-2026 17-10-2026 Kampanye 2
104.28.251(.)98 IPv4 18-10-2026 18-10-2026 Kampanye 2
104.28.251(.)99 IPv4 18-10-2026 18-10-2026 Kampanye 2
104.28.219(.)97 IPv4 18-10-2026 18-10-2026 Kampanye 2
125.103.213(.)41 IPv4 18-10-2026 19-10-2026 Kampanye 2

Jika Anda memiliki pertanyaan, mulai thread baru AWS ulang: Posting atau menjangkau Dukungan AWS.


CJ Musa

CJ Moses adalah CISO Keamanan Terintegrasi Amazon. Dalam perannya, CJ memimpin rekayasa dan operasi keamanan di seluruh Amazon. Misinya adalah memberdayakan bisnis Amazon dengan menjadikan manfaat keamanan sebagai jalur yang paling sedikit hambatannya. CJ bergabung dengan Amazon pada bulan Desember 2007, memegang berbagai peran termasuk CISO Konsumen, dan yang terbaru AWS CISO, sebelum menjadi CISO Keamanan Terintegrasi Amazon pada bulan September 2023.

Sebelum bergabung dengan Amazon, CJ memimpin analisis teknis upaya intrusi komputer dan jaringan di Divisi Cyber ​​Biro Investigasi Federal. CJ juga menjabat sebagai Agen Khusus di Kantor Investigasi Khusus Angkatan Udara (AFOSI). CJ memimpin beberapa investigasi intrusi komputer yang dipandang sebagai dasar industri keamanan saat ini.

CJ memegang gelar di bidang Ilmu Komputer dan Peradilan Pidana, dan merupakan pengemudi mobil balap SRO GT America GT2 yang aktif.

Konten di atas dibuat oleh pihak ketiga. Redaksi tidak bertanggung jawab atas isi maupun akibat yang ditimbulkan oleh konten ini. Agregator artikel oleh JetMedia Digital Agency

Berita Terkait

3 Saham Keuangan untuk Dibeli dan Ditahan yang Mengubah $1.000 Menjadi Lebih dari $5.000 Selama Dekade Terakhir, Menghitung Dividen
Obat tekanan darah ditarik kembali karena kapsulnya mengandung logam – NBC Chicago
Saya Kembali ke India Setelah Penolakan H-1B. Itu Menghasilkan Karir yang Hebat.
“AJ Brown dari Patriots Mendapat Keputusan Keras dari Penangkap Umpan Legendaris”.
Siaran langsung Kuba vs Grenada, saluran TV, dan waktu kick-off | Liga Bangsa-Bangsa CONCACAF
Warren Buffett menyumbangkan $5,5 miliar pada hari Thanksgiving
Jam berapa pertandingan Jerman vs Belanda dan bagaimana cara menontonnya di TV dan streaming online?
Wanita Dakota Utara membeli Ford Bronco, berkendara 27 jam pulang setelah penerbangan dihentikan
Tag :

Berita Terkait

Selasa, 17 November 2026 - 05:00 WIB

3 Saham Keuangan untuk Dibeli dan Ditahan yang Mengubah $1.000 Menjadi Lebih dari $5.000 Selama Dekade Terakhir, Menghitung Dividen

Selasa, 17 November 2026 - 04:20 WIB

Obat tekanan darah ditarik kembali karena kapsulnya mengandung logam – NBC Chicago

Selasa, 17 November 2026 - 04:00 WIB

Saya Kembali ke India Setelah Penolakan H-1B. Itu Menghasilkan Karir yang Hebat.

Selasa, 17 November 2026 - 03:40 WIB

“AJ Brown dari Patriots Mendapat Keputusan Keras dari Penangkap Umpan Legendaris”.

Selasa, 17 November 2026 - 03:20 WIB

Amazon Threat Intelligence mengamati pelaku ancaman yang menjalankan kampanye kejahatan dunia maya dengan agen AI ARTEX

Selasa, 17 November 2026 - 02:40 WIB

Warren Buffett menyumbangkan $5,5 miliar pada hari Thanksgiving

Selasa, 17 November 2026 - 02:20 WIB

Jam berapa pertandingan Jerman vs Belanda dan bagaimana cara menontonnya di TV dan streaming online?

Selasa, 17 November 2026 - 02:00 WIB

Wanita Dakota Utara membeli Ford Bronco, berkendara 27 jam pulang setelah penerbangan dihentikan

Berita Terbaru