ARTEX,以及五个月前由LLMjacking驱动的攻击性工具
最新的攻击活动、攻击者技术与检测指南——直接送达你的收件箱。
订阅Falco Feeds by SysdigFalco Feeds 让专注开源的企业可以使用专家编写的规则,并随新威胁的发现持续更新,从而充分释放 Falco 的能力。
了解更多
2026 年 6 月 12 日,Sysdig 威胁研究团队(TRT)观察到有人利用他人的 AI 服务器构建了一个自主黑客工具。随后在 7 月,一个名为 ARTEX 的类似工具出现在 GitHub 上。11 月 13 日,FBI 发布通告(FLASH),指出多种威胁行为者已在使用 ARTEX 攻击多个行业的企业。
需要说明的是,目前尚无证据表明这两个攻击工具有关联。但它们性质相似,防守方可以从对比中学到:不要低估这类工具的速度、成本优势和能力。
Sysdig TRT 把这类工具催生的操作者称为代理型威胁行为者(Agentic Threat Actor,ATA)——其攻击能力由 AI 代理执行,而非人工操作。ARTEX 是这一领域的最新成员。
本文将介绍这两个工具分别做了什么,以及通过对比分析,防守方能获得哪些启示。
Sysdig 威胁研究团队 6 月记录到的内容
今年夏天,Sysdig TRT 发现有人利用一个配置错误的 Ollama 服务器作为推理引擎,构建了一套自动化、多阶段的进攻性工具。攻击者并非像此前的 LLMjacking 事件那样与模型对话或转售访问权限,而是将其嵌入流水线:扫描目标、匹配已知漏洞、编写概念验证(PoC)代码并尝试入侵,每一步的决策都由模型驱动。该工具在代码中始终自称 VAPT(vulnerability assessment and penetration testing,漏洞评估与渗透测试的缩写),因此我们将其命名为 VAPT。
由于 VAPT 在每次请求中都会向模型发送完整指令,我们得以捕获其全部架构:指纹识别、漏洞匹配、Web 侦察、PoC 合成、SQL 注入、凭证提取、权限提升,以及一个持续运行直至获得命令执行权的编排器。在 Sysdig TRT 的监控下,VAPT 正被逐阶段重写,且所有目标均为私有演练环境。这表明我们观察到的是一款仍在开发中的工具,尚未被潜在地用于攻击真实受害者。
得益于 LLMjacking,该 Ollama 服务器免费、无需认证且不限用量。对于一款在单次攻击中需调用模型数百次的工具而言,我们的博客曾指出:“经济账很清楚。”当攻击成本降至推理成本,且推理资源是通过窃取获得的,进攻性行动便几乎零成本。
什么是 ARTEX?
ARTEX 是一个用 Go 语言编写的开源多智能体渗透测试平台。它将操作员以自然语言表达的目标转化为机器指令,由专用 AI 智能体执行,除设定目标外,几乎无需人工介入。
ARTEX 本身不内置模型。微软描述其架构为:由规划智能体决定下一步行动,工作智能体执行命令工具,所有发现结果则汇总到共享的资产与漏洞图谱中。
幸运的是,FBI FLASH 报告中列出的战术、技术和程序(TTPs)读起来就像一本每个安全团队都熟悉的攻击手册:
- 亚秒级权限检查与试运行
- 利用 SAML、XXE、SSRF、注入漏洞及硬编码凭证
- 使用 web shell 和开源远程访问木马(RAT)维持权限
- 利用 Kerberoasting 和 DCSync 提权
- 借助住宅代理、Tor 和隧道工具进行命令与控制(C2)
FBI 表示,ARTEX 的流量噪音很大,也就是说它并不在意防御规避。真正的威胁在于速度。有些入侵从初次锁定目标到获得特权访问只用了不到三小时,不过据微软说,大多数攻击尝试都以失败告终。虽然其他攻击活动的
VAPT 与 ARTEX 的共同点
“授权渗透测试”这个标签就像一把万能钥匙。这种说辞在 VAPT 的各个阶段反复出现,操作者很可能是用它来让模型保持配合——尽管那个模型本身已经经过 abliterated 处理,也就是去除了安全护栏。不管 VAPT 是否真出于教学目的而创建,构建它所用的算力都是偷来的,所以整个攻击行动本身就是未授权的。
FBI 的 FLASH 通报指出,攻击者偏好那些在渗透测试语境下“缺乏可观测护栏”的模型。只要把任务包装成渗透测试,很多 AI 模型就不再多问。这不是某一家服务商的 bug,而是一个没有干净技术解法的双刃剑问题。
为此,VAPT 的初始探测就要求使用经过 abliterated 处理的 Llama-3.3-70B 模型,其模型列表里还包括 deepseek-r1:8b。FBI 称,ARTEX 的操作者青睐 DeepSeek Flash 系列,是因为它“能力够用、成本相对低,而且缺乏可观测的护栏”。模型虽然不同,但选择标准完全一致:能力够用(不需要是前沿模型)、便宜,而且不太会拒绝提示词。
VAPT 的操作者只是把一个与后端无关的工具从付费的 OpenAI、Anthropic 或 Google API 切换到了免费的 Ollama 服务器。ARTEX 自身没有模型,却接入了至少六家服务商。这两种情况下,换引擎都只是一次配置修改。这也正是为什么“直接封掉坏模型”算不上策略——那就等于要封掉所有模型,显然不现实。
两者的相似之处还在于,VAPT 和 ARTEX 都不依赖新颖的漏洞利用。VAPT 攻击行动中并未涉及 CVE,FLASH 在分析 ARTEX 时也未提及任何相关漏洞。这种速度源于持续串联普通弱点,而不像人类那样感到疲惫或停顿。这些 AI 驱动的工具将枯燥的重复工作实现了工业化。当它们与人类防御者对峙时,那些需要进食和睡眠的人将始终处于劣势。
最后,这些工具及其“燃料”都暴露在开放网络中。研究人员此前已列出约 17.5 万个公开暴露的 Ollama 实例。根据 FBI 数据,截至 11 月初,研究人员统计到超过 1600 个公开暴露的 ARTEX 控制台。一个是免费的引擎,另一个是引擎驱动的对象。攻击者与他们的目标面临着同样的安全卫生问题。
VAPT 与 ARTEX 的差异
|
VAPT(六月) |
ARTEX(七月至今) |
|
|
执行者 |
印度住宅 IP 段中的单一行动者 |
多样化的行动者 |
|
工具性质 |
单一行动者的工具,在会话中迭代更新 |
开源项目,拥有数千个分叉、翻译版本及商业版 |
|
目标 |
私人练习范围 |
跨多个行业的真实组织 |
|
算力来源 |
有据可查。为一台暴露且未被监控的服务器 |
尚未确定 |
|
防御者所见 |
工具的完整指令,因为模型服务器是我们可以观察到的 |
事后痕迹:流量突发、空跑、新凭证、webhooks |
最后一项尤为关键。在 VAPT 中,Sysdig TRT 看到了“大脑”本身;而在 ARTEX 中,防御者大多只能看到“大脑”的行动后果。基于行为的检测正是为了应对这种情况而存在的。
成本是故事的重要组成部分
防御者可以改变许多事情,但攻击者的 Token 价格不在其中。
Sysdig TRT 自 2024 年起就在持续跟踪 LLMjacking 研究中揭示的这条成本曲线。当年 5 月,我们创造了这个术语,用来描述攻击者利用窃取的云凭证访问受害者的付费 AI 模型、把账单留给受害者的行为,并模拟了最坏情况下每天高达 $46,000 的损失。到 2025 年,LLMjacking 已经演变成一个工业化的黑市。今年 6 月又出现了新变种:暴露的模型算力被用来驱动攻击工具。窃取算力带来的经济收益,如今足以支撑攻击能力的研发。 一个月后,ARTEX 浮出水面,FBI 的通告读起来就像是 LLMjacking 的脚注:- 模型选择跟着价格走。DeepSeek Flash 之所以在攻击者控制的实例中占据主导,部分原因正是它“成本相对较低”。
- 转售商和网关已卷入其中。FLASH 报告中唯一的域名指标,就是韩国攻击活动中使用的一个 LLM API 转售商;FBI 还建议防御者排查 LLM 网关软件(CLIProxyAPI、New API)。
- FBI 想看你的 AI 账单。它要求受害者提供的证据包括:token 消耗模式或 API 计费异常、出口日志中不熟悉的 LLM 代理或转售商,以及通往 LLM API 的出站连接。
AI 账单是企业中鲜少有人关注或进行实时监控的遥测数据。暴露的模型服务器负责人只会看到计算资源激增和端口开放,却未意识到自己正遭受多阶段攻击流水线。而窃取 AI 凭据的受害者收到的只是一张账单。FBI 在事件报告中要求提供 Token 消耗数据,这本应是一个相当明显的信号,提示防御者应当重点检查哪里。
“双重用途”工具的困境
许多开源工具的