Agentes de IA automatizan el robo de claves API desde pasarelas LLM expuestas
Amazon y Cloudflare reportan campañas automatizadas que utilizan ARTEX para robar claves de proveedores de IA de aplicaciones expuestas a Internet como LiteLLM y Dify.
Traducido automáticamente del original en inglés.
Los atacantes están desplegando agentes autónomos de IA para escanear y explotar vulnerabilidades en aplicaciones de inteligencia artificial orientadas a Internet. El equipo de inteligencia de amenazas de Amazon capturó recientemente registros de estos agentes dirigidos a plataformas como LiteLLM, One API y Dify para cosechar claves API almacenadas. Esta actividad destaca un cambio hacia la reconocimiento automatizado y persistente que aprovecha los mismos modelos que busca comprometer.
Qué ocurrió
La red de servidores señuelo de Amazon, conocida como MadPot, interceptó solicitudes de agentes de IA que buscaban puntos débiles en herramientas populares de infraestructura de IA. Entre el 3 de octubre y finales de la semana pasada, estos agentes enviaron registros detallados de sus operaciones a las trampas (honeypots). Los registros revelan una campaña sistemática donde los agentes identifican aplicaciones de IA expuestas, extraen claves de proveedor, verifican su validez y las añaden a un grupo compartido para su uso posterior. Amazon evalúa con moderada confianza que estos operadores son grupos vinculados a China, citando prompts en chino simplificado y configuraciones de zona horaria en las definiciones de los agentes.
En un desarrollo paralelo, los equipos de respuesta a incidentes de Cloudflare investigaron múltiples casos que involucraban herramientas agénticas similares. En un caso notable, un atacante utilizó un token CI/CD comprometido sin restricciones de IP ni limitación de tasa para acceder al entorno de un cliente. La actividad subsiguiente incluyó 400 solicitudes de volcado de base de datos en una sola hora. Cloudflare observó nuevos scripts de Worker con nombres coincidentes con tareas de ARTEX, como artex-pgrecon y artex-do, lo que indica esfuerzos de persistencia y validación automatizados. El FBI ha emitido desde entonces una alerta FLASH confirmando que los atacantes han utilizado estas herramientas contra organizaciones en todo el mundo desde al menos agosto.
Cómo funciona
La herramienta principal identificada en estas campañas es ARTEX, un framework de código abierto para pruebas de penetración con IA. Aunque el repositorio original de GitHub fue retirado en octubre debido a su abuso, permanecen disponibles bifurcaciones (forks) y una versión comercial llamada ARTEX PRO. El sistema opera dividiendo un objetivo de alto nivel, como "encontrar claves API", en tareas más pequeñas para agentes trabajadores. Estos trabajadores ejecutan herramientas de seguridad y envían sus hallazgos a un modelo de lenguaje grande (LLM) para decidir los siguientes pasos. Este bucle permite a los agentes adaptar sus tácticas basándose en retroalimentación en tiempo real sin intervención humana constante.
Los agentes siguen un manual específico de puntos de entrada conocidos para cada producto objetivo. Para LiteLLM, buscan claves maestras por defecto e instalaciones incompletas. Para sistemas de la familia One API, intentan evadir la autenticación utilizando el encabezado isCliRequest. También explotan vulnerabilidades de falsificación de solicitudes del lado del servidor (SSRF) en funciones que obtienen URLs, permitiéndoles alcanzar servicios de metadatos de la nube. Más allá de la explotación directa, los agentes escanean fuentes públicas como repositorios de GitHub, paquetes npm, imágenes de contenedores y canales de Telegram en busca de secretos filtrados. Una vez encontradas credenciales de nube, los agentes priorizan el acceso a servicios gestionados que alojan modelos de IA y almacenes de secretos.
Detalles clave
- Plataformas objetivo: La campaña se centra en pasarelas y proxies LLM como LiteLLM, One API, Veloera y Sub2API, así como en constructores de aplicaciones de IA como Dify, FastGPT, Langflow y RAGFlow.
- Vulnerabilidades específicas: El manual explota CVE-2025-3248 en Langflow (falta de autenticación) y CVE-2026-28797 en RAGFlow (inyección de plantillas del lado del servidor), junto con credenciales por defecto y fallos SSRF.
- Velocidad operativa: Cloudflare observó tasas de ataque superiores a 69 solicitudes por minuto a través de cuentas comprometidas, demostrando la alta velocidad de la automatización agéntica en comparación con el hacking manual.
- Indicadores de detección: Los equipos de seguridad deben buscar scripts de Cloudflare Worker nombrados artex-, artex-pgrecon-, artex-pgw-* o artex-do-* en sus entornos.
- Indicadores de red: Cisco Talos ha vinculado más de 2,500 direcciones IP a la actividad de ARTEX, y Amazon publicó 11 IPs específicas asociadas con los hallazgos de los señuelos.
- Campaña secundaria: Los registros también describen un esfuerzo separado donde los agentes intentaron evadir verificaciones de identidad en intercambios de criptomonedas utilizando videos deepfake, aunque estos intentos fueron rechazados por los proveedores de verificación.
Por qué importa
Para ingenieros de software y líderes de seguridad, este cambio representa una escalada significativa en la velocidad de las amenazas. Las medidas de seguridad tradicionales a menudo dependen de la suposición de que los atacantes necesitan tiempo para investigar, planificar y ejecutar exploits. Los agentes de IA eliminan este retraso, permitiendo un escaneo continuo y persistente que puede explotar pequeñas malas configuraciones antes de que los defensores siquiera las noten. Como señaló Amazon, ninguna de las técnicas utilizadas era nueva, pero la velocidad y persistencia introducidas por los agentes de IA cambian completamente el panorama de riesgo. La higiene básica de seguridad, como cambiar contraseñas por defecto o parchear fallos conocidos, ya no es suficiente si no se aplica inmediatamente tras el despliegue.
El impacto va más allá de la pérdida inmediata de datos. Las claves API robadas permiten a los atacantes ejecutar modelos de IA costosos a costa de la víctima, lo que lleva a picos inesperados en la facturación. Más críticamente, estas claves pueden proporcionar un punto de apoyo en entornos de nube más amplios, como se vio en los casos de Cloudflare donde tokens estáticos de CI/CD otorgaron acceso amplio. Las organizaciones ahora deben tratar las pasarelas de aplicaciones de IA y los endpoints de inferencia con el mismo rigor que las bases de datos de producción, asumiendo que cualquier secreto expuesto será encontrado y explotado rápidamente por sistemas automatizados.
Qué puedes hacer
- Rotar y restringir credenciales: Rota inmediatamente cualquier token estático de CI/CD o clave API que carezca de fechas de expiración. Habilita restricciones de IP y limitación de tasa para todos los tokens de proveedores de nube, especialmente aquellos utilizados en pipelines de CI/CD.
- Parchear vulnerabilidades conocidas: Actualiza Langflow a la versión 1.3.0 o posterior para corregir CVE-2025-3248. Para RAGFlow, actualiza a la versión 0.25.0 o posterior para mitigar CVE-2026-28797, que permite ejecución remota de código mediante inyección de plantillas.
- Endurecer configuraciones por defecto: Cambia las credenciales de administrador por defecto, como la clave maestra de LiteLLM, inmediatamente después de la instalación. Asegúrate de que las nuevas instalaciones no queden en un estado inacabado que permita la toma de control por parte de externos.
- Escanear secretos expuestos: Busca regularmente en archivos de configuración, variables de entorno y scripts de despliegue secretos incrustados. Utiliza herramientas automatizadas para escanear repositorios e imágenes de contenedores en busca de claves filtradas antes de que lleguen a producción.
- Monitorear artefactos específicos: Revisa tus logs buscando la presencia de scripts de Cloudflare Worker cuyos nombres comiencen con artex-. Implementa las reglas Snort 7:76, 7:77 y 7:78 para detectar rastros del harness de agente norma utilizado por ARTEX.
- Auditar exposición pública: Revisa tus aplicaciones de IA orientadas a Internet en busca de exposiciones innecesarias. Elimina rutas de depuración, mapas fuente y archivos de entorno del acceso público, y asegúrate de que los endpoints de gestión requieran autenticación fuerte.



