[控场AI]
· 7 分钟阅读· 3,581 字

FBI警告:黑客用AI代理ARTEX攻击200+组织

FBI警告:黑客用AI代理ARTEX攻击200+组织

FBI与CrowdStrike披露AI渗透框架ARTEX被用于攻击14国200多家组织,基础防御仍有效。

文章基于FBI公告与CrowdStrike报告,拆解了AI渗透框架ARTEX的真实能力与攻击现实。ARTEX本身不携带模型,而是用Go编写的编排器,连接DeepSeek等外部大模型,由规划代理拆解任务、工作代理分头执行,把复杂入侵从团队数天的工作压缩为单人可监督的规模化行动。该工具2026年7月开源,10月仓库被删,但分叉、存档与付费版使其继续流通,公网暴露控制台超1600个。关联团体VaporPanda用其攻击14国200多家组织,至少9家被攻陷,单次入侵消耗超14亿输入token。攻击者刻意指示代理跳过装有CrowdStrike Falcon的机器,证明端点防护与强身份安全等基础措施依然有效,FBI据此给出五条务实建议。

AI代理正在被武器化,用来发动端到端的网络攻击。美国联邦调查局(FBI)发布专项预警,点名一个名为ARTEX的工具;CrowdStrike则指出,一个与中国关联的攻击团体利用它同时针对超过200家组织发起行动。据称,部分入侵从接触首个目标到拿到特权访问,用时不到三小时。

这不是科幻设定,而是已经发生的防御现实。本文基于FBI公告、CrowdStrike追踪报告与多家安全媒体的交叉信息,拆解ARTEX到底是什么、攻击者实际做了什么,以及防守方现在就该补上的漏洞。

安全团队在获得书面授权后进行渗透测试

ARTEX是什么:一个会“调度”AI的渗透框架

ARTEX被描述为自主渗透设备。渗透测试本是安全团队在获得书面许可后,主动攻击自己的系统以发现弱点——问题在于,同一套工具在未经授权时同样好用,这就是安全界常说的“双重用途”难题,而AI把这个问题放大了。

它的关键设计在于:ARTEX自身不携带AI模型,而是一个编排器。操作者用自然语言描述目标,规划代理把目标拆解成任务,工作代理分头执行,云端的大语言模型负责“思考”。它用Go语言编写,可连接Claude、GPT、DeepSeek广告、GLM、Grok、Kimi等外部模型。FBI公告指出,攻击者部署中以中国模型为主,尤其是DeepSeek Flash,原因是成本、能力以及可见的防护限制较少。

据Bleeping Computer与YouTube安全频道的分析,这种架构带来的不是“超级黑客AI”,而是可扩展性:过去需要一支熟练团队干上数天的复杂入侵,现在一名操作者可以同时监督多场攻击,只在关键决策点介入。

OAuth应用与凭据滥用是理解文中攻击手法的关键背景。OAuth是一种授权框架,允许第三方应用在用户不交出密码的前提下,获得对Microsoft、Google等账户特定资源的访问权限。问题在于,一旦应用被授予权限,它持有的刷新令牌(refresh token)可以长期有效,且其访问行为在日志中常呈现为正常业务流量。攻击者把窃取的凭据添加到已有的OAuth应用中,相当于给自己办了一张不易被察觉的长期通行证,无需重新登录即可持续访问邮件、文件或云资源。这也是FBI建议“对应用授权实施最小权限”并定期清理不用授权应用的原因——权限越广、存续越久,被滥用时的破坏面就越大。

从开源到失控:删库为何挡不住扩散

ARTEX由开发者Autumn27于2026年7月发布。在出现滥用报告后,GitHub仓库于10月8日被移除。但分叉、存档副本以及付费版ARTEX Pro让它继续流通;11月初,研究人员在公网上发现了超过1600个暴露的ARTEX控制台。

这件事对整个AI行业是一堂课:一旦强大的双重用途代码公开,删除仓库并不能把它从世界上抹掉,副本会在数小时内扩散。开源与管控之间的张力,在这个案例里被摆到了台面上。

攻击者在网络中枚举了逾11万个活动目录对象

理解扩散规模,需要区分几个常被混淆的概念:仓库删除、分叉(fork)与存档副本。在GitHub上删除主仓库,并不会自动删除他人此前创建的分叉;分叉是独立托管在他人账号下的完整代码副本。此外,归档服务、镜像站、论坛附件和私有聊天群中的压缩包,都会在数小时内形成新的传播节点。加上作者推出的付费版ARTEX Pro以闭源或订阅方式继续分发,工具的可得性反而在仓库下线后变得分散而难以追踪。这也解释了为何研究人员能在公网发现超过1600个暴露的ARTEX控制台——控制台是操作者部署的实例,与源代码是否还在GitHub上已无直接关系。

攻击链复盘:旧手法,新速度

FBI表示,自2026年8月起观察到覆盖完整攻击链的行动,从侦察一直到数据窃取。初始入口是两种手段的组合:利用面向公网的应用程序漏洞,以及滥用受信任的身份。代理还通过被攻陷的供应商凭据和企业间的可信连接横向移动——换言之,你的供应商被攻破,你可能就是下一个。

为了留在内部,攻击者把凭据添加到已有的OAuth应用中,让访问看起来像正常的业务应用。在某个网络内,代理枚举了超过11万个活动目录对象,这种规模的测绘对人类团队来说极为耗时。它们还专门寻找未安装CrowdStrike Falcon的机器。

好消息是:端点防护拦截了部分已观察到的横向移动尝试。基础安全工具对AI代理依然有效。

200+组织行动:VaporPanda与工业化自动化

CrowdStrike追踪的团体代号为VaporPanda。据Bleeping Computer报道,该团体使用ARTEX对14个国家的200多家组织发起攻击,目标包括政府部委、电信运营商,以及制药、半导体、国防、核能与金融领域的企业,至少9家组织被攻陷。已确认的受害者包括美国和比利时的电信运营商、希腊、中东和拉丁美洲的政府机构,以及美国的制药公司。

攻击者用中文下达指令,在关键决策点介入,并使用DeepSeek和另一个商业语言模型协调规划与工作代理。他们明确要求代理跳过受Falcon保护的Windows机器,把注意力放在未受保护的设备上——攻击者是在绕开好的安全措施,而不是打败它。

已确认受害者分布在中东、拉美等多个地区

规模上的一个细节值得注意:在单次入侵中,AI代理消耗了超过14亿个输入token。这相当于AI为一次攻击阅读并处理了数千本书的文本量,是工业级自动化。

实际损失同样具体:有行动窃取了韩国约6.7万人的个人信息,并攻陷了ConnectWise云备份,从而获得对超过2250家下游客户的访问权。一次入侵,数千个受害者。

文中“单次入侵消耗超过14亿个输入token”需要一点量级参照。Token是大语言模型处理文本的基本单位,英文中大致相当于一个词的一部分,中文则约一到两个字。当前主流模型的上下文窗口通常在数十万token量级,14亿token意味着代理进行了大量往返调用、反复读取日志、枚举结果与工具输出,而不是一次性的长文本输入。按商业API的输入计价,这一数量级对应可观的成本,但远低于雇佣一支人类渗透团队数周的开销。token消耗因此也可作为检测信号:某个账户或IP在短时间内产生异常巨大的模型输入流量,往往指向自动化代理而非正常员工使用。

防守方该怎么办:FBI的五条建议

你无法保护你不知道存在的东西

FBI给出的建议务实且可执行:

  • 盘点所有面向公网的系统——你无法保护你不知道存在的东西。
  • 对应用授权实施最小权限——每个连接到Microsoft或Google账户的应用,只应获得真正需要的权限。
  • 调查异常的LLM API流量——一台与AI无关的服务器突然与AI通信,就是危险信号。
  • 对连续查询限速——让自动化代理无法高频冲击你的门户。
  • 保留日志与证据,但绝不延迟紧急遏制。

对企业而言,基本功比以往更重要:尽快修补公网应用、全面开启多因素认证、确保每台机器都有端点防护。记住,攻击者曾指示代理跳过受保护的机器。

对普通人来说:使用密码管理器生成唯一密码,开启身份验证器应用或通行密钥,定期检查并移除Google或Microsoft账户中不用的授权应用。

同样的AI速度对防守方也成立——安全团队正用AI代理做告警分流、威胁狩猎和分钟级响应。这是一场双向的竞赛。

**多因素认证(MFA)与通行密钥(passkey)**的差别值得说明。传统MFA依赖一次性验证码或推送确认,仍可能被实时钓鱼代理或MFA疲劳攻击绕过;通行密钥基于FIDO2标准,将私钥保存在设备的安全芯片中,并与具体网站域名绑定,钓鱼站点无法复用。对于企业,这意味着即使凭据通过OAuth滥用或钓鱼泄露,缺少设备端私钥仍难以完成登录。结合最小权限授权与端点防护,这几项基本功构成了文中反复强调的“旧防御仍然有效”的具体落点:AI代理提升的是速度和规模,而非绕过这些控制的技术能力。

核心结论

AI代理给攻击者带来的是速度与规模,但它们利用的多数仍是已知的旧弱点,只是更快。证据同时表明,端点防护与强身份安全这类基础防御依然能挡住它们。真正的问题在于:像ARTEX这样的强大AI安全工具,应该开源开放,还是严格管控?这个答案,将决定下一轮攻防的起跑线。

#ARTEX#AI代理攻击#FBI警告#CrowdStrike#VaporPanda#AI网络安全#渗透测试框架#双重用途
分享:

相关推荐