Kiberbiztonsági kutatók részletesen ismertettek egy célzott kampányt, amely dél-koreai pénzintézeteket vett célba, és az ARTEX nevű mesterséges intelligencián (AI) alapuló pentest eszközt használta a támadásokhoz.

A CrowdStrike Intelligence szerint a tevékenység 2026 szeptemberének végén indult, és október elejéig tartott, az akciók pedig adatlopáshoz vezettek.

„Ebben a kampányban a támadó az ARTEX-et, egy nemrég megjelent, Kínában fejlesztett, nyílt forráskódú, agentic penetration testing (pentesting) eszközt használta nagy nyelvi modellekkel (LLM-ekkel) együtt” – közölte a kiberbiztonsági cég közleményében.

A CrowdStrike elmondta, hogy a kampányt azután azonosította, hogy nyílt könyvtárakat talált egy hongkongi IP-címen. Ezek Claude Code munkamenet-előzményeket, Claude memóriafájlokat és ARTEX konfigurációs fájlokat tettek elérhetővé.

A kampányt egyetlen ismert fenyegetési szereplőhöz vagy csoporthoz sem kapcsolták. A jelek azonban arra utalnak, hogy egy pénzszerzésre törekvő, feltehetően kínaiul beszélő operátor áll mögötte.

Az ARTEX egy nagy nyelvi modellre (LLM) épülő, több ügynökös, autonóm penetrációs rendszer, amelyet az Autumn-27 fejlesztett. A hongkongi IP-címhez köthető Claude Code munkamenetek elemzése két szerverből álló architektúrát tárt fel:

• A hongkongi IP-cím a kampány gerinceként működik
• A „38.244.50[.]120” IP-cím hosztolja azt az ARTEX példányt, amelyet a koreai célpontok elleni támadások mögött sejtenek

A vizsgált ARTEX példány fő LLM backendként a DeepSeek v4.1-flash modellt használja, amelyet a Z.ai GLM-5.3 és a SpaceXAI Grok 4.6 modellje egészít ki. Valószínű, hogy a támadó a DeepSeekhez az „xcai[.]pro” nevű, feltételezhetően LLM API viszonteladón keresztül fért hozzá.

„Az ARTEX-szel kapcsolatos műveletek mellett a támadó megkérdezte Claude-ot, hogy a fenyegetési szereplők jellemzően hol adják el a koreai adatlopásokból származó információkat, és segítséget kért koreai Telegram adatkereskedő csoportok felkutatásához” – tette hozzá a CrowdStrike.

Az egyik Claude Code munkamenetben a támadó olyan promptot adott meg, amely egy „@YY520CN” nevű Telegram-fiókra és a „YY” névre hivatkozott. Más, sebezhetőségek kutatására irányuló munkamenetek – egy Telegram-alapú NFT ajándék piactérrel kapcsolatban – szintén ugyanezt a Telegram felhasználónevet használták.

„Bár a promptban szereplő személyes adatok nagy valószínűséggel ahhoz a támadóhoz tartoznak, aki az ARTEX-szel kapcsolatos tevékenységet végezte, a jelenleg rendelkezésre álló információk alapján ezek az adatok nem köthetők egyértelműen a fenyegetési szereplőhöz” – összegezte a CrowdStrike.

Az ARTEX bezárja a forráskódját

Az ARTEX visszaélésszerű használata arra késztette az Autumn-27 fejlesztőt, hogy zárttá tegye a forráskódot. Közleményében hangsúlyozta, hogy a rosszindulatú támadásokhoz semmi közük, és a program ilyen jellegű felhasználása szembemegy az eredeti céllal.

„Az ARTEX-et eredetileg tanulási és kutatási célokra terveztük” – közölte az Autumn-27. „Az volt a cél, hogy segítse a vállalatokat és szervezeteket az engedélyezett eszközeik körében végzett biztonsági kockázati tesztekben, és javítsa a biztonsági védekezési képességeiket.”

„A visszaélések miatt az ARTEX projektet a továbbiakban nem frissítjük, és zárt forráskódúvá alakítjuk. Nem lesz több kiadás, sem karbantartás, sem támogatás a jövőben.”

A SCARLET LOOP mesterséges intelligenciát használ fiókátvételre

Mindezzel párhuzamosan a ZenoX nyilvánosságra hozta egy ügynökalapú credential stuffing és fiókátvételi platform részleteit, amelyet egy anyagi haszonszerzésre törekvő, portugál nyelvű támadó üzemeltet, SCARLET LOOP néven.

A művelet teljesen automatizálja a folyamatot: az áldozatok kiválasztásától kezdve egészen a bejelentkezésig, ellopott hitelesítő adatok felhasználásával, amelyeket infostealer naplókból és adatszivárgásokból szereznek meg, így tömegesen tudnak fiókokat eltéríteni. A teljes folyamat négy lépésből áll:

• Célpontok felderítése és minősítése, amely során egy AI osztályozóval keresnek nagy értékű célpontokat. Elsődleges célok a brazil hűségprogramok, vállalati ösztönzőrendszerek és ajándékkártya-platformok.
• Az egyes célpontokra szabott hitelesítő adatok beszerzése
• A bejelentkezés végrehajtása, amelyhez egy AI ügynök és egy anti-detection böngésző párosát használják az automatizálást felismerő védelmek megkerülésére
• A sikeres hitelesítő adatok kiszivárogtatása „✅ {url} {user}:{password}” formátumban egy privát Telegram csatornára

Az OpenAI GPT-5.6 modelljét dorkok (vagyis keresőkifejezések) generálására használják, hogy megtalálják egy adott szektorba tartozó cégek bejelentkezési oldalait, míg a GPT-5.5 a célpontok osztályozását és értékelését végzi. A böngésző ügynök a DeepSeek-V4-Pro és DeepSeek-V4-Flash modelleket használja.

Emellett beállították az Anthropic Claude Opus 4.6, a Google Gemini 2.5 Flash és a GLM-5.1 modelleket is, a Google gemma-4-26B-A4B modellt pedig helyi modellként konfigurálták a „127.0.0[.]1:1237” címen.

„Egy 46 automatizálási eszközzel dolgozó LLM ügynök irányít egy instrumentált Firefoxot, amely hamisítja a canvas, a WebGL, az időzóna, a nyelv, a földrajzi hely és a viewport adatait, a captcha-feloldást pedig kiszervezi. Az ügynök megkeresi a bejelentkezési oldalt, kitölti az űrlapot, majd osztályozza az eredményt” – írta a brazil kiberbiztonsági cég a The Hacker Newsnak megosztott jelentésében.

„A felderítési és bejelentkezési fázisban az ügynök lépésről lépésre történő felügyelet nélkül működik, önállóan térképezi fel az ismeretlen bejelentkezési felületeket, deríti fel a biztonsági gyengeségeket, és célzott automatizálást generál a kihasználásukra.”

Érdekesség, hogy a platform a bejelentkezési fázisban egy „AUTO Mode” nevű módot is támogat. Ilyenkor egy adott cél domainen elért meghatározott számú sikeres bejelentkezés után kiveszik az AI modellt a folyamatból. A cél az, hogy spóroljanak a tokenekkel, és csak akkor használják őket, ha a rendszer ismeretlen bejelentkezési űrlappal találkozik.

„A modellek következtetése drága és lassú” – mondta a ZenoX. „Egy ismeretlen űrlap első meglátogatásakor nélkülözhetetlen, ezredik alkalommal viszont felesleges. A platformot úgy építettük fel, hogy minden célpontra pontosan egyszer fizessünk az intelligenciáért, aztán ne fizessünk tovább.”

A platformot futtató, internetről elérhető szerver elemzése alapján 12 277 358 hitelesítő adatot próbáltak ki, amelyek közül 11 832-t minősítettek érvényesnek, összesen 3 968 domainen.

A megállapítások ismét megmutatják, hogy a fenyegetést jelentő szereplők egyre szélesebb körben vetik be az AI-t a támadásaikban, hogy növeljék a műveleteik sebességét és hatékonyságát.