Interfaccia AI tra codice e FBI

ARTEX ruba le chiavi API dei servizi AI: Amazon scopre il circuito degli attacchi, l’FBI avverte

Executive Summary

  • Amazon scopre un sistema di furto delle chiavi API alimentato dall’intelligenza artificiale. Gli agenti ARTEX avrebbero utilizzato le credenziali sottratte per accedere ai modelli AI necessari a cercarne altre.
  • LiteLLM, Dify, Langflow e RAGFlow finiscono nel mirino. Gli aggressori cercano applicazioni esposte, configurazioni deboli e credenziali capaci di aprire l’accesso a più servizi cloud.
  • L’FBI segnala intrusioni accelerate e rischi per la catena di fornitura. Amazon documenta anche tentativi di superare i controlli KYC con deepfake, senza confermare il successo delle operazioni.

Gli agenti AI non si limitano più a cercare vulnerabilità: possono sottrarre le chiavi necessarie a interrogare i modelli linguistici e riutilizzarle per sostenere altre operazioni offensive. È il meccanismo emerso da un’indagine di Amazon Threat Intelligence, che ha intercettato nei propri sistemi esca le memorie operative di campagne riconducibili, con un livello di confidenza moderato, ad ARTEX. Gli obiettivi comprendono applicazioni AI esposte su Internet, gateway che conservano credenziali di più fornitori e, in una seconda operazione, verifiche d’identità degli exchange di criptovalute. Il 13 novembre 2026 anche l’FBI ha pubblicato un avviso FLASH sull’impiego criminale di ARTEX. La novità rispetto alle precedenti ricostruzioni delle infrastrutture offensive è precisa: le chiavi rubate, secondo i registri degli agenti, venivano riutilizzate per alimentare l’intelligenza artificiale incaricata di cercarne altre. Amazon non ha però osservato direttamente tutti gli attacchi che gli agenti dichiarano di avere eseguito.

Leggi anche: ARTEX e Claude contro le banche: l’AI entra nel workflow dell’hacker.

Amazon cattura la memoria delle campagne ARTEX attraverso MadPot

Annuncio

Tra il 3 ottobre e il 5 novembre 2026, la rete di sensori MadPot di Amazon ha simulato interfacce di accesso ai modelli linguistici. Gli agenti le hanno contattate come se fossero normali servizi di inferenza, inviando richieste contenenti contesto, istruzioni, cronologia degli strumenti e risultati registrati. Per Amazon è stato possibile ricostruire obiettivi e metodo di lavoro degli operatori senza necessariamente avere accesso alle infrastrutture effettivamente attaccate. La ricerca originale di Amazon Threat Intelligence parla di centinaia di bersagli nei registri raccolti e di comunicazioni inviate ai clienti AWS potenzialmente coinvolti. La distinzione tra telemetria osservata e successi raccontati dagli agenti è decisiva. Le richieste ricevute da MadPot sono una prova della loro attività verso i sensori, non una conferma autonoma di ogni intrusione riportata nelle memorie. Gli analisti attribuiscono inoltre con confidenza moderata le operazioni a gruppi distinti collegati all’ambiente cinese, sulla base di lingua, fuso orario, strumenti e selezione dei bersagli: non è un’identificazione certa degli operatori né una prova di direzione statale. Il quadro integra l’analisi dell’infrastruttura ARTEX pubblicata dopo la ricerca Cisco Talos, ma aggiunge elementi su ciò che gli agenti provavano concretamente a ottenere.

LiteLLM, Dify e RAGFlow: le chiavi API diventano il carburante degli attacchi

La campagna principale cercava applicazioni AI raggiungibili da Internet, soprattutto quelle che concentrano credenziali di diversi fornitori. Fra i prodotti citati compaiono LiteLLM, One API, New API, Dify, FastGPT, Langflow, RAGFlow, Open WebUI e Ollama. Un gateway configurato male può esporre più chiavi a valle, ampliando l’impatto oltre il singolo servizio. I registri descrivono il recupero delle credenziali, la verifica della loro validità e la raccolta in un archivio condiviso. Secondo Amazon, alcune chiavi sarebbero state usate per accedere ai modelli che sostenevano la stessa campagna: il furto di risorse di inferenza avrebbe alimentato la ricerca di ulteriori credenziali, riducendo il costo diretto sostenuto dagli aggressori.

ProdottoDifettoStato
LangflowCVE-2025-3248, mancanza di autenticazione che consente a un attaccante remoto di eseguire codiceLe versioni precedenti alla 1.3.0 sono interessate, mentre la 1.3.0 è la versione corretta ( note di rilascio ). La CISA ha aggiunto la vulnerabilità al suo catalogo KEV (Known Exploited Vulnerabilities) il 5 maggio 2025, in seguito a precedenti casi di sfruttamento di Langflow , e la voce KEV la identifica come una vulnerabilità nota per essere utilizzata nelle campagne ransomware.
RAGFlowLa vulnerabilità CVE-2026-28797, un’iniezione di template lato server (SSTI), consente a qualsiasi utente connesso di eseguire comandi del sistema operativo sul server. L’attacco richiede un account registrato e l’auto-registrazione è attiva per impostazione predefinita, come indicato nell’avviso di sicurezza .NVD elenca le versioni 0.24.0 e precedenti come interessate. L’avviso non elenca alcuna versione corretta. La versione 0.25.0, rilasciata il 21 aprile, esegue il rendering dei template nella sandbox raccomandata dall’avviso, secondo le note di correzione SSTI .
Una famiglia di APIBypass dell’autenticazione tramite l’ isCliRequestintestazioneIl rapporto del team non menziona versioni interessate né correzioni.

Il repertorio operativo comprendeva installazioni lasciate incomplete, credenziali amministrative predefinite, configurazioni esposte e vulnerabilità note, tra cui CVE-2025-3248 in Langflow e CVE-2026-28797 in RAGFlow. La presenza di queste voci nel repertorio non dimostra che ogni debolezza sia stata effettivamente sfruttata su ciascun bersaglio. Gli agenti cercavano anche segreti in repository di codice, file pubblici, pacchetti software e immagini container, privilegiando chiavi che permettevano di raggiungere modelli avanzati e altri servizi cloud. Il rischio per imprese e sviluppatori non riguarda soltanto un addebito inatteso: credenziali con privilegi estesi possono aprire ulteriori sistemi e identità applicative. La precedente analisi di ARTEX e delle credenziali sottratte nei servizi Apple e gaming aveva già documentato il problema dell’automazione offensiva; ora emerge uno specifico meccanismo di autosostentamento.

Deepfake e controlli KYC: il secondo obiettivo degli agenti

Una seconda campagna ricostruita nei registri di Amazon puntava a eludere i controlli di identità di due exchange di criptovalute. Gli agenti hanno lavorato su video sintetici per i controlli di presenza in tempo reale e immagini alterate di documenti d’identità, distribuendo i compiti fra più sessioni coordinate. La disponibilità di strumenti AI non ha però coinciso con un successo dimostrato: il server del fornitore di verifica ha respinto tutti i tentativi video registrati. Per le fotografie dei documenti non è stato pubblicato un esito altrettanto conclusivo. Non ci sono quindi basi per dichiarare che i controlli KYC siano stati superati o che sia stata completata una frode finanziaria.

L’FBI avverte: l’automazione riduce a meno di tre ore alcune intrusioni

Il FLASH ufficiale dell’FBI del 13 novembre descrive ARTEX come un framework di penetration testing utilizzato da attori criminali in diversi settori, dalla finanza alla sanità, dall’industria alla difesa. L’agenzia segnala casi nei quali il passaggio dalla selezione del bersaglio all’accesso privilegiato si è completato in meno di tre ore. Richiama inoltre oltre 1.600 console ARTEX esposte individuate da ricercatori, precisando che non equivalgono a 1.600 violazioni riuscite. La rimozione del repository originale nell’ottobre 2026 non ha cancellato fork e versioni derivate.

FaseAttività OsservataTecniche MITRE ATT&CK
Ricognizione Iniziale
(Initial Recon)
• Mappatura automatica dei permessi effettivi delle credenziali Azure (token SAS, Service Principal, credenziali Kudu, chiavi Storage Account) tramite verifiche delle capacità in frazioni di secondo, test di scrittura/cancellazione blob e dry-run di validazione deployment ARM
• Test dei permessi di utenti IAM compromessi tramite flag DryRun
• Fuzzing di directory web con oltre 500 richieste
• Mappatura degli asset tramite WHOIS e scansione attiva delle vulnerabilità
• Interrogazione di api.db-ip[.]com per determinare la geolocalizzazione della vittima
• T1595 – Active Scanning
• T1580 – Cloud Infrastructure Discovery
• T1087.004 – Account Discovery: Cloud Account
• T1069.003 – Permission Groups Discovery: Cloud Groups
• T1526 – Cloud Service Discovery
Accesso Iniziale
(Initial Access)
• Sfruttamento di asserzioni SAML non firmate
• Sfruttamento di vulnerabilità XXE
• Sfruttamento di upload di file anonimi
• Abuso di relazioni di trust cloud cross-account da un tenant partner esterno
• Compromissione di credenziali di fornitori di terze parti per effettuare pivoting tramite federazione B2B attendibile
• Sfruttamento di vulnerabilità SSRF
• Password di amministratore hardcoded nei bundle JavaScript di SPA (Single Page Application)
• Assenza di autenticazione su Web API
• RCE tramite command injection
• Insecure Direct Object References (IDOR)
• Credenziali amministrative deboli
• RCE tramite SSTI (Server-Side Template Injection)
• SQL injection
• Bypass dell’autenticazione
• Utilizzo di configurazioni VPN rubate e credenziali trapelate
• T1190 – Exploit Public-Facing Application
• T1078 – Valid Accounts
• T1133 – External Remote Services
• T1195 – Supply Chain Compromise
• T1199 – Trusted Relationship
• T1606.002 – Forge Web Credentials: SAML Tokens
• T1552.001 – Unsecured Credentials: Credentials in Files
Consolidamento / Persistenza
(Establish Foothold / Persistence)
• Distribuzione di web shell JSP e PHP (anche tramite log poisoning MySQL)
• Abuso delle API amministrative di Kudu per eseguire comandi arbitrari
• Stabilimento di C2 su database server Windows interni
• Installazione di RAT open-source (WISP, vshell, AdaptixC2)
• Creazione di coppie di chiavi SSH, allocazione di Elastic IP
• Account takeover (tramite reset delle password)
• Aggiunta di credenziali ad applicazioni OAuth esistenti
• T1505.003 – Server Software Component: Web Shell
• T1078.004 – Valid Accounts: Cloud Accounts
• T1098.001 – Account Manipulation: Additional Cloud Credentials
• T1574.001 – Hijack Execution Flow: DLL
• T1036.005 – Masquerading
• T1105 – Ingress Tool Transfer
• T1059 – Command and Scripting Interpreter
Escalation dei Privilegi
(Privilege Escalation)
• Avvio di istanze di calcolo cloud con ruoli IAM di alto valore
• Kerberoasting per raccogliere ticket di servizio
• SQL injection per estrarre credenziali di database
• Attacco DCSync per rubare la chiave krbtgt di dominio
• Creazione di account con flag is_admin=true
• Abuso della delega vincolata basata sulle risorse (RBCD)
• Interrogazione del servizio di metadati cloud tramite XXE
• Falsificazione di token amministrativi utilizzando chiavi di autenticazione non ruotate
• T1134.001 – Access Token Manipulation
• T1098.003 – Account Manipulation: Additional Cloud Roles
• T1552.005 – Unsecured Credentials: Cloud Instance Metadata API
• T1606.002 – Forge Web Credentials: SAML Tokens
• T1606 – Forge Web Credentials
• T1190 – Exploit Public-Facing Application
• T1558.003 – Steal or Forge Kerberos Tickets: Kerberoasting
Ricognizione Interna
(Internal Recon)
• Esecuzione di script iterativi di enumerazione PowerShell contro i Domain Controller
• Enumerazione di oltre 110.000 oggetti Active Directory
• Lettura delle password LAPS
• Inventario della copertura dei sensori endpoint per identificare macchine Windows prive di CrowdStrike Falcon
• T1518.001 – Software Discovery: Security Software Discovery
• T1555 – Credentials from Password Stores
• T1087.002 – Account Discovery: Domain Account
• T1552.006 – Group Policy Preferences
• T1059.001 – Command and Scripting Interpreter: PowerShell
Movimento Laterale
(Lateral Movement)
• Tentativo di movimento laterale verso i Domain Controller utilizzando Pass-the-Ticket, WinRM, Kerberos relay e Pass-the-Hash (bloccato dalla protezione endpoint)• T1550.003 – Use Alternate Authentication Material: Pass the Ticket
• T1550.002 – Use Alternate Authentication Material: Pass the Hash
• T1021.006 – Remote Services: Windows Remote Management (WinRM)
• T1557.001 – Adversary-in-the-Middle: LLMNR/NBT-NS Poisoning and SMB Relay
Raccolta / Prep. Esfiltrazione
(Collection / Exfiltration Prep)
• Interrogazione di database SQL di backend
• Letture massive di blob
• Distribuzione di script di avvio personalizzati tramite istanze EC2 per raccogliere dati
• Invio dell’output dei comandi a endpoint webhook.site a rotazione
• Lettura delle caselle di posta su mail server compromessi
• Creazione di nuovi volumi da 100 GB in preparazione all’esfiltrazione
• T1114.002 – Email Collection: Remote Email Collection
• T1555.006 – Cloud Secrets Management Stores
• T1530 – Data from Cloud Storage
• T1005 – Data from Local System
• T1074.001 – Data Staged: Local Data Staging
• T1074.002 – Data Staged: Remote Data Staging
• T1059 – Command and Scripting Interpreter
Comando e Controllo
(Command and Control)
• Utilizzo di servizi proxy residenziali
• Instradamento del traffico attraverso Tor, proxy SOCKS e relay compromessi
• Tunneling del traffico tramite Chisel e SoftEther
• Comunicazione del malware BLOODALCHEMY con domini C2
• T1090 – Proxy
• T1090.003 – Proxy: Multi-hop Proxy
• T1572 – Protocol Tunneling
• T1071.001 – Application Layer Protocol: Web Protocols

L’allerta raccoglie incidenti già documentati, non annuncia una nuova compromissione simultanea di migliaia di aziende. Fra i casi riepilogati figurano l’abuso della catena di fornitura ConnectWise con tentativi contro oltre 2.250 tenant Microsoft 365 e le intrusioni ai danni di istituti finanziari sudcoreani, con dati personali di circa 67.000 persone esfiltrati. Un tenant raggiunto da tentativi di autenticazione non è necessariamente un tenant compromesso. Anche i numeri sulle banche non vanno sommati indiscriminatamente ad altri incidenti sudcoreani, che riguardano operazioni e perimetri differenti.

Continua con:

CyberStrikeAI utilizza 44 agenti contro infrastrutture giapponesi

WorkOS violata da un agente AI fuori controllo.

Il problema per le imprese italiane è la sicurezza dei servizi AI collegati al cloud

Non risultano, nelle fonti esaminate, vittime italiane confermate di queste specifiche campagne. La rilevanza nazionale è però immediata per aziende, fornitori SaaS e amministrazioni che collegano applicazioni AI a servizi esterni attraverso chiavi API, identità cloud e pipeline di sviluppo. Gli stessi strumenti nati per concentrare l’accesso a più modelli diventano punti sensibili quando credenziali e privilegi non sono circoscritti. In tale scenario il rischio non si esaurisce nel furto di dati: comprende uso non autorizzato dei modelli, costi di inferenza e propagazione dell’accesso verso applicazioni collegate. L’FBI e Amazon convergono su un punto: ARTEX non inventa necessariamente nuove tecniche di intrusione, ma accorcia il tempo che separa l’individuazione di una credenziale dalla sua utilizzazione. La questione per chi gestisce infrastrutture digitali non è vietare gli agenti AI, ma sottrarre loro opportunità create da installazioni incomplete, privilegi eccessivi e segreti esposti. Il dato più significativo dell’indagine Amazon è economico oltre che tecnico: una campagna che impiega credenziali sottratte per alimentare la propria capacità di calcolo può sostenere altri tentativi senza acquistare direttamente tutta la potenza necessaria. Anche in questo caso resta indispensabile distinguere l’obiettivo registrato dagli agenti dagli esiti verificati dagli investigatori.

Iscriviti alla Newsletter

Non perdere le analisi settimanali: Entra nella Matrice Digitale.

Matrice Digitale partecipa al Programma Affiliazione Amazon EU. In qualità di Affiliato Amazon, ricevo un guadagno dagli acquisti idonei. Questo non influenza i prezzi per te.

Torna in alto