ARTEX AI 渗透测试工具被用于对韩国金融机构的数据窃取攻击

网络安全研究人员披露了一场针对韩国金融机构的定向活动的细节，该活动使用一个名为 ARTEX 的人工智能（AI）渗透测试工具实施攻击。

据 CrowdStrike Intelligence 称，该活动在 2026 年 9 月下旬至 10 月初期间活跃，并导致了数据外泄。

"在此次活动中，威胁行为者利用 ARTEX——一个近期发布的开源智能体渗透测试工具——以及大型语言模型（LLM）," 这家网络安全公司表示。

CrowdStrike 称，这些目录暴露了 Claude Code 会话历史、Claude 记忆文件和 ARTEX 配置文件。

该活动尚未被归因于任何已知的威胁行为者或组织。但有证据指向一名疑似说中文、以经济利益为驱动的操作者。

ARTEX 是由 Autumn-27 开发的一个大型语言模型（LLM）多智能体驱动的自主渗透系统。对该 Claude Code 会话的分析揭示了一种双服务器架构：

• 该 IP 地址充当该活动的骨干
• IP 地址 "38.244.50[.]120" 托管着疑似是韩国攻击事件幕后黑手的 ARTEX 实例

该 ARTEX 实例被发现使用 DeepSeek v4.1-flash 作为主要 LLM 后端，同时使用 Z.ai 的 GLM-5.3 和 SpaceXAI 的 Grok 4.6 作为模型的补充。据推测，威胁行为者很可能是通过 LLM API 转售商 "xcai[.]pro" 访问 DeepSeek 的。

"除了进行与 ARTEX 相关的操作外，威胁行为者还询问 Claude 威胁行为者通常在哪里出售韩国数据泄露信息，并请 Claude 协助寻找韩国的 Telegram 数据销售群组," CrowdStrike 表示。

据称，在一次 Claude Code 会话中，威胁行为者输入了一段引用名为 "@YY520CN" 的 Telegram 账户和名称 "YY" 的提示词。其他与一个基于 Telegram 的 NFT 礼品市场漏洞研究相关的会话也使用了同一个 Telegram 用户名。

"虽然提示词中包含的个人信息很可能属于实施 ARTEX 相关活动的威胁行为者，但目前可用的信息无法明确地将这些信息与该威胁行为者关联起来," CrowdStrike 总结道。

ARTEX 转为闭源

ARTEX 被滥用促使 Autumn-27 将其转为闭源，开发者在声明中强调这些恶意攻击与他们无关。他们还表示，对该工具的恶意使用违背了该工具的初衷。

"ARTEX 最初是为学习和研究目的而设计的," Autumn-27 表示，"它旨在帮助企业和组织在授权资产范围内进行安全风险测试，并提升安全防护能力。"

"鉴于工具被滥用的现实，ARTEX 项目将不再更新，并将转为闭源。未来不会发布任何版本或提供维护支持。"

SCARLET LOOP 利用 AI 进行账户接管

这一进展出现之际，ZenoX 披露了一个由一名以经济利益为驱动、说葡萄牙语、代号为 SCARLET LOOP 的行为者所操控的智能体撞库和账户接管平台的细节。

该行动将整个过程自动化，从受害者选择到使用从 infostealer 日志和数据泄露中获得的被盗凭据执行登录，以大规模劫持账户。整个过程分四个步骤展开：

• 目标发现与筛选，涉及使用 AI 分类器寻找高价值目标。主要目标包括巴西的忠诚度、企业激励和礼品卡平台。
• 获取针对每个目标的特定凭据
• 登录执行，采用配备反检测浏览器的 AI 智能体，以绕过检测自动化行为的防御措施
• 将成功的凭据以 " {url} {user}:{password}" 的格式外泄到一个私密 Telegram 频道

OpenAI 的 GPT-5.6 被用于生成 dork（即搜索查询）以查找特定行业公司的身份验证页面，而 GPT-5.5 则被用于目标分类和评级。浏览器智能体使用 DeepSeek-V4-Pro 和 DeepSeek-V4-Flash。

此外还配置了 Anthropic 的 Claude Opus 4.6、Google Gemini 2.5 Flash 和 GLM-5.1 模型，并将 Google 的 gemma-4-26B-A4B 设置为在 "127.0.0[.]1:1237" 上提供服务的本地模型。

"一个配备 46 种自动化工具的 LLM 智能体驱动着一个经过插桩的 Firefox，后者可伪造 canvas、WebGL、时区、语言、地理位置和视口，并外包验证码破解。该智能体找到登录页面、填写表单并对结果进行分类," 这家巴西网络安全公司在一份与 The Hacker News 分享的报告中表示。

"在发现和登录阶段，该智能体在没有逐步监督的情况下行动，自主绘制陌生的登录界面、发现安全弱点，并生成专门构建的自动化来利用它们。"

有趣的是，该平台在登录执行阶段还支持一种 "AUTO 模式"，在针对同一目标域成功登录达到设定次数后，将 AI 模型从循环中移除。其用意是节省 token，仅在遇到陌生登录表单时才谨慎使用它们。

"模型推理既昂贵又缓慢," ZenoX 表示，"在首次访问未知表单时不可或缺，而在第一千次时则没有必要。该平台的构建方式就是为每个目标恰好支付一次智能成本，然后停止支付。"

对托管该平台的互联网暴露服务器的分析显示，共测试了 12,277,358 个凭据，其中 11,832 个凭据在 3,968 个域上被归类为有效。

这些发现再次表明，威胁行为者正越来越多地在攻击中采用 AI，以提升其行动节奏和能力。