AI驱动的ARTEX自主渗透测试框架遭黑客武器化,可在数小时内获取企业高权限
tuto
tuto
杂杂咱谈
2026年11月15日 00:04
福建
去阅读
一、事件概述
美国联邦调查局于2026年11月13日发布FLASH安全情报报告,披露一种名为ARTEX的AI驱动型自主渗透测试框架正被多个网络威胁组织武器化,用于自动化执行网络攻击。
ARTEX是一个基于大型语言模型(LLM)的开源多智能体平台,最初定位于授权安全测试,但攻击者已经将其改造为自动化入侵工具,能够覆盖从目标侦察、漏洞发现、初始入侵、权限提升、横向移动到数据窃取的多个攻击阶段。
自2026年8月以来,不同类型的恶意网络攻击者已利用ARTEX针对全球多个行业发动攻击,包括:
- 金融服务
- 政府机构
- 科技与半导体
- 国防与能源
- 医疗卫生
- 制造业
- 电信行业
- 法律服务
FBI指出,ARTEX显著缩短了攻击者组合和执行攻击技术所需的时间,部分入侵活动从最初目标侦察到获得高权限访问,耗时不到3小时。
其主要威胁在于:即使攻击者缺乏丰富的技术经验,也能够借助AI智能体并行执行复杂攻击任务,大幅降低网络攻击门槛。
二、ARTEX 框架技术介绍
ARTEX是一款使用Go语言开发的自主多智能体渗透测试平台。
与传统渗透测试工具不同,ARTEX不只是执行预设扫描命令,而是通过外部大语言模型理解攻击目标,将自然语言描述的任务转换为可执行的机器命令,再由不同的智能体协同完成攻击任务。
核心技术特点:
- 多智能体协作:将复杂攻击目标拆分为多个子任务,由不同的智能体负责侦察、漏洞利用、权限分析和数据收集。
- 自然语言驱动:攻击者只需设定初始目标,系统便能够自动规划和执行后续操作。
- 外部LLM集成:ARTEX本身不包含独立的智能模型,而是接入第三方模型服务。
- 自动化攻击:能够将资产发现、漏洞利用、凭据收集及数据外传等环节串联起来。
- 多目标并行:支持同时针对多个组织或系统开展自动化攻击。
报告提及的模型包括:
- Anthropic Claude
- OpenAI GPT
- DeepSeek
- GLM
- Grok
- Kimi
FBI的研究显示,在已分析的攻击者控制的ARTEX实例中,中国厂商提供的模型较为常见,其中DeepSeek Flash系列使用频率较高。报告将其归因于能力、成本及在渗透测试任务场景下的安全限制表现等因素。
框架发展情况
ARTEX最初由开发者Autumn-27于2026年7月发布在GitHub。
发布后约10周内,项目获得约1500~2000个GitHub Stars。
2026年10月8日,在发现攻击者滥用该框架后,原开发者将GitHub仓库下架。
但仓库下架并未阻止其传播。目前仍可通过社区Fork、代码镜像、归档副本及商业版本ARTEX PRO获取。
截至2026年11月初,研究人员已发现超过1600个公开暴露的ARTEX控制台实例,实际部署数量可能更高。
三、ARTEX 已被用于哪些真实攻击?
FBI报告重点披露了两起具有代表性的攻击活动。
1. 韩国金融机构遭攻击
多个以经济利益为目的的攻击者利用ARTEX自动化执行攻击任务,针对韩国金融机构开展入侵活动。
攻击造成约67,000名个人的信息遭到窃取。
攻击者利用ARTEX自动发现目标资产、分析系统权限、寻找可利用的攻击入口,并自动化执行后续入侵操作。
2. ConnectWise 云备份供应链攻击
攻击者利用ARTEX参与针对ConnectWise Cloud Backup生态系统的供应链攻击。
通过攻击相关应用及身份信任关系,攻击者获得了访问下游租户环境的能力,涉及超过2250个下游租户。
该事件说明,攻击者不再局限于直接攻击目标企业,而是可以通过自动化分析供应商、合作伙伴及云服务之间的信任关系,从安全防护相对薄弱的第三方系统进入更高价值的企业网络。
四、ARTEX 的核心攻击能力
根据FBI对实际攻击活动的分析,ARTEX具备以下几类关键能力。
1. 自动化多目标攻击
利用多个AI智能体同时执行资产枚举、漏洞扫描及攻击任务。
传统攻击通常需要攻击者手动完成大量重复工作,而ARTEX能够自动化处理这些耗时环节,使小型攻击团伙也具备大规模攻击能力。
2. 挖掘容易被忽视的攻击面
ARTEX不仅针对企业核心业务系统,还会重点寻找安全防护不足的外围系统,例如:
- 合作伙伴及供应商门户
- 移动应用后端
- 员工内部应用
- 销售支持系统
- 遗留服务
- 第三方集成接口
- 不同业务部门独立开发的应用
这些系统往往没有得到与核心业务系统同等程度的安全审计,因此容易成为攻击入口。
3. 供应链攻击与信任关系滥用
ARTEX能够自动分析组织之间的信任关系,并寻找供应链攻击机会。
例如:
- 识别第三方供应商的薄弱环节。
- 攻击CI/CD流水线。
- 获取第三方软件服务商的凭据。
- 利用跨账户云信任关系。
- 借助合作伙伴身份访问上游企业网络。
报告还提及,攻击者曾利用暴露的云凭据修改iOS应用分发基础设施。
4. 降低网络攻击技术门槛
ARTEX将复杂攻击流程封装为自动化任务,使缺乏专业渗透测试经验的攻击者也能执行较为复杂的攻击活动。
5. 压缩安全检测与响应窗口
由于攻击流程高度自动化,攻击者能够在短时间内完成大量操作。
尽管高频自动化请求可能产生异常流量并触发安全告警,但防守人员可能还未完成调查和响应,攻击目标就已经实现。
五、完整攻击链分析:从目标侦察到数据窃取
FBI根据实际观察到的攻击活动,将ARTEX的攻击行为映射至MITRE ATT&CK框架,涉及初始侦察、初始访问、持久化、权限提升、内部侦察、横向移动、数据收集及命令与控制等阶段。
以下为报告中的实际观察行为归纳,并非所有攻击活动都必然经过全部阶段。
1. 初始侦察
ARTEX首先自动收集目标组织的资产信息,并分析云环境、身份权限及互联网暴露面。
主要行为包括:
- 自动分析Azure SAS Token、Service Principal、Kudu凭据及存储账户密钥的有效权限。
- 测试云存储资源的读写、删除权限。
- 利用ARM部署验证DryRun检查云资源权限。
- 对Web目录执行自动化模糊测试,部分活动涉及超过500次请求。
- 通过WHOIS收集资产信息。
- 执行主动漏洞扫描。
- 查询IP地理位置信息。
对应MITRE ATT&CK:
- T1595: 主动扫描
- T1580: 云基础设施发现
- T1087.004: 云账户发现
- T1069.003: 云权限组发现
- T1526: 云服务发现
2. 初始访问
完成目标侦察后,攻击者利用发现的漏洞、错误配置和泄露凭据进入目标系统。
报告记录的攻击方式包括:
- 利用未签名的SAML断言。
- 利用XXE漏洞。
- 利用匿名文件上传功能。
- 滥用跨账户云信任关系。
- 通过第三方供应商凭据进入企业网络。
- 利用SSRF漏洞。
- 从SPA JavaScript文件中提取硬编码管理员密码。
- 利用缺少身份验证的Web API。
- 通过命令注入实现远程代码执行。
- 利用IDOR、SSTI、SQL注入及身份验证绕过漏洞。
- 使用窃取的VPN配置及泄露凭据登录。
对应MITRE ATT&CK:
- T1190: 利用面向公众的应用程序
- T1078: 有效账户
- T1133: 外部远程服务
- T1195: 供应链攻击
- T1199: 可信关系
- T1606.002: 伪造SAML Web凭据
- T1552.001: 从文件中获取未受保护的凭据
3. 建立立足点与持久化
成功进入目标系统后,攻击者通过植入恶意组件、创建账户及修改身份凭据维持访问权限。
主要行为包括:
- 部署JSP、PHP WebShell,部分情况下利用MySQL日志投毒实现植入。
- 滥用Kudu管理API执行任意命令。
- 在内部Windows数据库服务器上建立命令与控制通道。
- 安装WISP、vshell、AdaptixC2等开源远程访问工具。
- 创建SSH密钥对。
- 分配Elastic IP。
- 通过密码重置接管账户。
- 向现有OAuth应用添加新的凭据。
4. 权限提升
攻击者进一步利用云权限配置错误、身份认证缺陷及域环境弱点获取更高权限。
报告观察到的行为包括:
- 创建具有高价值IAM角色的云计算实例。
- 使用Kerberoasting获取服务票据。
- 通过SQL注入提取数据库凭据。
- 使用DCSync窃取域krbtgt密钥。
- 创建带有is\_admin=true标志的账户。
- 滥用基于资源的约束委派(RBCD)。
- 通过XXE查询云元数据服务。
- 利用未轮换的认证密钥伪造管理员令牌。
5. 内部侦察
获得更高权限后,攻击者开始深入企业内部网络,识别高价值系统和安全防护薄弱的终端。
主要行为包括:
- 对域控制器运行PowerShell枚举脚本。
- 枚举超过110,000个Active Directory对象。
- 读取LAPS密码。
- 检查终端安全软件覆盖情况。
- 识别未部署CS Falcon的Windows设备。(CS--CrowdStrike)
这一阶段的核心目的,是寻找可进一步利用的账户、设备及网络资源。
6. 横向移动
攻击者尝试从已控制的系统向域控制器及其他内部关键资产扩展访问权限。
报告记录的技术包括:
- Pass-the-Ticket。
- Pass-the-Hash。
- WinRM远程管理。
- Kerberos Relay。
- LLMNR/NBT-NS投毒及SMB Relay。
部分横向移动尝试被终端安全防护机制阻止。
7. 数据收集与外传准备
在获取内部访问权限后,攻击者开始收集目标数据,并为后续数据外传做准备。
主要行为包括:
- 查询后端SQL数据库。
- 批量读取云存储Blob数据。
- 通过EC2实例部署自定义启动脚本收集数据。
- 将命令执行结果发送至轮换使用的webhook.site地址。
- 读取遭入侵邮件服务器中的邮箱数据。
- 创建新的100GB存储卷,为数据外传做准备。
8. 命令与控制
为降低攻击基础设施被追踪的风险,攻击者采用多种代理和隧道技术隐藏通信来源。
主要方式包括:
- 使用住宅代理服务。
- 通过Tor网络及SOCKS代理转发流量。
- 利用遭入侵的中继服务器隐藏来源。
- 使用Chisel和SoftEther建立流量隧道。
- 利用BLOODALCHEMY与C2域名通信。
攻击链总结:
目标资产自动发现
云资源、Web应用、身份权限、供应商系统
漏洞利用与初始入侵
XXE、SSRF、RCE、SQL注入、凭据滥用
持久化与权限提升
WebShell、RAT、SSH密钥、IAM权限、域凭据
内部侦察与横向移动
AD枚举、凭据窃取、WinRM、Kerberos
数据收集与外传
数据库、云存储、邮箱及敏感信息
六、IOC 威胁情报与检测指标
FBI在报告中公布了与ARTEX攻击活动相关的IP地址、域名及网络行为指标,可用于企业安全运营中心(SOC)、防火墙、IDS/IPS和SIEM平台开展威胁排查。
这些IP地址可能来自云平台或虚拟化环境,存在动态分配及重新分配的情况。不能仅凭历史IOC就直接判定当前主机恶意,采取封禁措施前应结合实时网络流量和其他威胁情报进行验证。
1. 恶意 IP 地址
| IP 地址 | 关联活动 |
|---|---|
38.244.50[.]120 |
韩国金融攻击活动中的ARTEX主机及开放目录 |
144.172.64[.]60 |
ConnectWise攻击活动 |
144.172.64[.]99 |
ConnectWise攻击活动 |
144.172.64[.]128 |
ConnectWise攻击活动 |
187.15.88[.]186 |
被入侵应用的Graph API访问 |
187.15.90[.]217 |
被入侵应用的Graph API访问 |
187.15.89[.]186 |
相关临时VPN地址 |
以下IP与韩国金融攻击活动中的代理基础设施有关:
101.53.80[.]20
205.214.59[.]31
124.155.252[.]63
154.201.79[.]246
23.248.249[.]90
23.158.220[.]98
103.248.148[.]84
203.160.133[.]172
209.209.85[.]38
2. Storm-3358 相关基础设施
WISP C2 节点:
199.19.95[.]66
199.19.95[.]67
199.19.95[.]68
ARTEX 服务器:
91.92.240[.]238
85.11.168[.]45
178.16.54[.]129
31.77.229[.]35
C2 服务器:
85.11.167[.]52
以上相关基础设施在FBI引用的微软情报中,截至2026年11月6日仍被标记为活跃。
3. 关联域名
xcai[.]pro
报告将其标记为与韩国金融攻击活动有关的LLM API转售服务域名。
4. 网络行为检测指标
除了IP和域名,FBI还列出了更适合持续监控的行为特征。
| 检测类型 | 可疑行为 |
|---|---|
| 外部API通信 | 异常连接Anthropic、DeepSeek、GLM、xAI API |
| HTTP请求 | 高频自动化请求、登录及搜索接口连续枚举 |
| 数据传输 | 通过HTTPS向未授权外部地址传输姓名、电话号码、金融信息等结构化数据 |
| WebShell | Web应用异常目录中出现.aspx或.jsp文件 |
重点关注以下外部API地址:
api.anthropic.com
api.deepseek.com
open.bigmodel.cn
api.x.ai
需要注意,企业正常使用这些AI API并不代表遭到入侵,应结合异常身份认证、异常访问频率、数据传输和其他攻击行为进行关联分析。
七、企业安全防御与缓解建议
针对ARTEX及类似AI驱动型自主攻击框架,FBI建议组织从外部攻击面、身份权限、应用安全及事件响应四个方面加强防护。
1. 缩减外部攻击面
- 全面盘点互联网暴露的应用,包括合作伙伴门户、供应商系统、移动应用后端及员工应用。
- 将云管理接口、网络设备管理接口、虚拟化平台及备份系统限制在可信网络内。
- 对Kudu/SCM等应用发布管理接口实施访问限制。
- 不需要时禁用基础发布认证机制。
- 限制部署凭据和发布凭据的访问范围。
- 对公网IP分配建立统一管理制度,管理接口对外开放前必须经过架构安全审查。
- 在条件允许的情况下,将企业应用部署在Zero Trust零信任访问体系之后。
2. 强化身份认证与访问控制
- 对多租户应用权限及授权范围实施最小权限原则。
- 监控凭据新增、权限分配及异常应用身份活动。
- 分别审查成功和失败的Service Principal登录记录。
- 排查来自陌生网络、异常ASN和非供应商基础设施的身份认证活动。
-
审查Microsoft Entra审计日志,重点关注:
-
新增应用及服务主体。
- 应用凭据和所有者变更。
- App Role权限分配。
- OAuth Consent授权。
- 特权角色分配。
- 用户、组及身份验证方式变更。
-
Conditional Access策略变更。
-
发现异常后,撤销不必要的权限并轮换相关凭据。
注意: 对于曾经安装或授权过受影响ConnectWise应用的Microsoft 365租户,即使目前已经停止使用相关集成,也需要进行安全审查。
FBI建议通过应用程序ID而不是显示名称进行检索,避免遗漏相关应用。
3. 加强应用程序安全防护
针对企业业务API和合作伙伴门户,FBI提出以下建议:
- 对高影响业务API设置请求频率限制。
- 限制单次操作的接收对象数量及交易阈值。
- 对超出正常业务范围的API请求建立告警。
- 监控连续递增式查询及单个会话大量读取数据的行为。
- 在服务器端实施严格的访问授权验证。
- 仅返回业务操作必需的数据字段。
- 避免向未认证用户暴露详细堆栈信息、SQL错误、编译器信息及内部路径。
- 持续扫描代码仓库、容器镜像、构建产物和CI/CD流水线中的硬编码密钥。
- 及时轮换已经暴露的凭据。
4. 保留证据并及时响应
FBI建议企业保留以下日志和安全数据:
- Microsoft Entra 登录日志及审计日志。
- Microsoft Purview Audit 审计记录。
- SIEM 安全事件数据。
- Microsoft Graph 遥测数据。
- AWS IAM 活动日志。
- Azure ARM 部署验证记录。
- Kudu/SCM 管理接口访问记录。
- 容器编排及云元数据服务访问日志。
针对ConnectWise相关攻击活动,建议至少从2026年10月1日开始回溯调查,并进一步检查更早的服务主体登录、失败认证和异常访问量。
如果确认存在入侵:
- 在保留证据后,由获得授权的响应人员移除确认未经授权的凭据、授权关系及账户。
- 撤销异常应用权限和身份授权。
- 轮换可能泄露的密钥及凭据。
- 在ConnectWise提供正式恢复指引前,保持受影响的应用连接禁用。
- 不要在事件响应初期直接删除企业应用,应先保留其配置和相关证据,避免破坏调查线索。
八、事件排查与信息报告要求
FBI鼓励发现ARTEX或类似自主智能体攻击活动的组织,向当地FBI网络犯罪调查部门或互联网犯罪投诉中心提交相关信息。
报告建议提供以下八类证据:
| 类别 | 建议收集的信息 |
|---|---|
| ARTEX基础设施 | 可疑控制台截图、源代码、配置文件 |
| 身份认证日志 | Service Principal 登录记录、异常 IP、ASN、用户代理及时间戳 |
| 应用与API活动 | Microsoft Graph、Entra、Microsoft 365 审计日志及异常 API 请求 |
| LLM基础设施 | 外部 LLM API 连接、自建模型网关、API Token 消耗异常 |
| 云与容器活动 | AWS IAM、Azure ARM、Kudu、云元数据及容器编排日志 |
| 漏洞利用与持久化 | WebShell、BLOODALCHEMY、WISP、vshell、AdaptixC2 等相关证据 |
| 攻击行为 | 短时间内集中爆发的请求、重复操作、异常邮件广播 |
| 损失与影响 | 受影响账户数量、数据窃取规模、发现及处置时间、经济损失 |
九、安全风险总结
ARTEX的出现表明,AI技术正在改变传统网络攻击的组织方式。
过去,攻击者需要手动完成资产发现、漏洞验证、凭据收集、权限提升和横向移动等工作,各个阶段之间存在较高的技术门槛和时间成本。
而ARTEX通过多智能体协作,将这些操作整合为自动化攻击流程,使攻击者能够同时针对多个目标开展行动。
从FBI披露的攻击案例来看,其威胁主要体现在三个方面:
1. 攻击速度明显提升
部分攻击活动从初始侦察到获取高权限访问不到3小时,传统依赖人工分析和逐级审批的安全响应机制面临更大压力。
2. 企业供应链成为重要突破口
攻击者能够利用供应商、合作伙伴、云平台及第三方应用之间的信任关系,将外围系统入侵扩展为大规模企业网络攻击。
3. AI 降低了复杂攻击的技术门槛
攻击者不再需要具备完整的专业渗透测试技能,就可以借助AI智能体执行多阶段攻击任务。
对于企业而言,防御重点不应仅仅放在识别ARTEX工具本身,更应该关注其所利用的身份权限缺陷、暴露接口、云环境配置错误及供应链信任关系。
核心防御方向: 持续攻击面管理、最小权限控制、API行为监控、云身份安全审计,以及快速自动化事件响应。
引用来源: FBI Flash
版权声明
本站仅做备份收录,仅供研究与教学参考之用。
读者将信息用于其他用途的,全部法律及连带责任由读者自行承担,本站不承担任何责任。








评论