Des agents IA automatisent le vol de clés API depuis des passerelles LLM exposées
Amazon et Cloudflare signalent des campagnes automatisées utilisant ARTEX pour voler les clés des fournisseurs d'IA dans des applications exposées sur Internet comme LiteLLM et Dify.
Traduit automatiquement depuis l'original anglais.
Les attaquants déploient des agents IA autonomes pour scanner et exploiter les vulnérabilités des applications d'intelligence artificielle exposées sur Internet. L'équipe de renseignement sur les menaces d'Amazon a récemment capturé des enregistrements de ces agents ciblant des plateformes telles que LiteLLM, One API et Dify pour collecter les clés API stockées. Cette activité met en évidence un passage à une reconnaissance automatisée et persistante qui utilise les modèles mêmes qu'elle cherche à compromettre.
Ce qui s'est passé
Le réseau de serveurs leurres d'Amazon, connu sous le nom de MadPot, a intercepté des requêtes provenant d'agents IA cherchant des failles dans des outils populaires d'infrastructure IA. Entre le 3 octobre et la fin de la semaine dernière, ces agents ont envoyé des journaux détaillés de leurs opérations aux honeypots. Les enregistrements révèlent une campagne systématique où les agents identifient les applications IA exposées, extraient les clés des fournisseurs, vérifient leur validité et les ajoutent à un pool partagé pour une utilisation ultérieure. Amazon estime avec une confiance modérée que ces opérateurs sont liés à des groupes chinois, citant des prompts en chinois simplifié et des paramètres de fuseau horaire dans les configurations des agents.
Dans un développement parallèle, les intervenants en cas d'incident de Cloudflare ont enquêté sur plusieurs cas impliquant des outils agentiques similaires. Dans un cas notable, un attaquant a utilisé un jeton CI/CD compromis sans restrictions IP ni limitation de débit pour accéder à l'environnement d'un client. L'activité subsistante comprenait 400 demandes de vidage de base de données en une seule heure. Cloudflare a observé de nouveaux scripts Worker portant des noms correspondant aux tâches ARTEX, tels que artex-pgrecon et artex-do, indiquant des efforts d'automatisation persistante et de validation. Le FBI a depuis émis une alerte FLASH confirmant que les attaquants utilisent ces outils contre des organisations dans le monde entier depuis au moins août.
Comment cela fonctionne
L'outil principal identifié dans ces campagnes est ARTEX, un framework open source de test de pénétration par IA. Bien que le dépôt GitHub original ait été mis hors ligne en octobre en raison d'abus, des forks et une version commerciale appelée ARTEX PRO restent disponibles. Le système fonctionne en divisant un objectif de haut niveau, tel que "trouver des clés API", en petites tâches pour des agents ouvriers. Ces ouvriers exécutent des outils de sécurité et envoient leurs résultats à un grand modèle de langage (LLM) pour décider des prochaines étapes. Cette boucle permet aux agents d'adapter leurs tactiques en fonction des retours en temps réel sans intervention humaine constante.
Les agents suivent un playbook spécifique de points d'entrée connus pour chaque produit ciblé. Pour LiteLLM, ils vérifient les clés maître par défaut et les installations inachevées. Pour les systèmes de la famille One API, ils tentent un contournement d'authentification via l'en-tête isCliRequest. Ils exploitent également les vulnérabilités de falsification de requête côté serveur (SSRF) dans les fonctionnalités qui récupèrent des URL, leur permettant d'atteindre les services de métadonnées cloud. Au-delà de l'exploitation directe, les agents scannent des sources publiques comme les dépôts GitHub, les packages npm, les images de conteneurs et les canaux Telegram à la recherche de secrets divulgués. Une fois les identifiants cloud trouvés, les agents priorisent l'accès aux services managés hébergeant des modèles IA et des magasins de secrets.
Détails clés
- Plateformes ciblées : La campagne se concentre sur les passerelles et proxys LLM comme LiteLLM, One API, Veloera et Sub2API, ainsi que sur les constructeurs d'applications IA tels que Dify, FastGPT, Langflow et RAGFlow.
- Vulnérabilités spécifiques : Le playbook exploite CVE-2025-3248 dans Langflow (authentification manquante) et CVE-2026-28797 dans RAGFlow (injection de template côté serveur), ainsi que des identifiants par défaut et des failles SSRF.
- Vitesse opérationnelle : Cloudflare a observé des taux d'attaque dépassant 69 requêtes par minute sur les comptes compromis, démontrant la grande vélocité de l'automatisation agentique par rapport au piratage manuel.
- Indicateurs de détection : Les équipes de sécurité doivent rechercher des scripts Cloudflare Worker nommés artex-, artex-pgrecon-, artex-pgw-* ou artex-do-* dans leurs environnements.
- Indicateurs réseau : Cisco Talos a lié plus de 2 500 adresses IP à l'activité ARTEX, et Amazon a publié 11 IP spécifiques associées aux découvertes faites via les serveurs leurres.
- Campagne secondaire : Les enregistrements décrivent également un effort séparé où des agents ont tenté de contourner les vérifications d'identité sur des plateformes d'échange de cryptomonnaies à l'aide de vidéos deepfake, bien que ces tentatives aient été rejetées par les fournisseurs de vérification.
Pourquoi c'est important
Pour les ingénieurs logiciels et les responsables de la sécurité, ce changement représente une escalade significative de la vélocité des menaces. Les mesures de sécurité traditionnelles reposent souvent sur l'hypothèse que les attaquants ont besoin de temps pour rechercher, planifier et exécuter des exploits. Les agents IA suppriment ce délai, permettant un scan continu et persistant capable d'exploiter des micro-configurations erronées avant même que les défenseurs ne les remarquent. Comme l'a noté Amazon, aucune des techniques utilisées n'était nouvelle, mais la vitesse et la persistance introduites par les agents IA changent entièrement le paysage du risque. L'hygiène de sécurité de base, telle que le changement des mots de passe par défaut ou le patching des failles connues, n'est plus suffisante si elle n'est pas appliquée immédiatement lors du déploiement.
L'impact va au-delà de la perte immédiate de données. Les clés API volées permettent aux attaquants d'exécuter des modèles IA coûteux aux frais de la victime, entraînant des pics de facturation inattendus. Plus critique encore, ces clés peuvent fournir un point d'appui vers des environnements cloud plus vastes, comme on l'a vu dans les cas Cloudflare où des jetons CI/CD statiques accordaient un accès large. Les organisations doivent désormais traiter les passerelles d'applications IA et les points de terminaison d'inférence avec la même rigueur que les bases de données de production, en partant du principe que tout secret exposé sera rapidement trouvé et exploité par des systèmes automatisés.
Ce que vous pouvez faire
- Pivoter et restreindre les identifiants : Faites pivoter immédiatement tous les jetons CI/CD statiques ou clés API qui n'ont pas de date d'expiration. Activez les restrictions IP et la limitation de débit pour tous les jetons de fournisseur cloud, en particulier ceux utilisés dans les pipelines CI/CD.
- Corriger les vulnérabilités connues : Mettez à jour Langflow vers la version 1.3.0 ou ultérieure pour corriger CVE-2025-3248. Pour RAGFlow, effectuez une mise à niveau vers la version 0.25.0 ou ultérieure pour atténuer CVE-2026-28797, qui permet l'exécution de code à distance via injection de template.
- Durcir les configurations par défaut : Changez les identifiants administrateur par défaut, tels que la clé maître LiteLLM, immédiatement après l'installation. Veillez à ce que les nouvelles installations ne soient pas laissées dans un état inachevé permettant une prise de contrôle par des tiers.
- Scanner les secrets exposés : Recherchez régulièrement dans les fichiers de configuration, les variables d'environnement et les scripts de déploiement des secrets intégrés. Utilisez des outils automatisés pour scanner les dépôts et les images de conteneurs à la recherche de clés divulguées avant qu'elles n'atteignent la production.
- Surveiller les artefacts spécifiques : Vérifiez vos logs pour détecter la présence de scripts Cloudflare Worker dont les noms commencent par artex-. Implémentez les règles Snort 7:76, 7:77 et 7:78 pour détecter les traces du harnais d'agent norma utilisé par ARTEX.
- Auditer l'exposition publique : Passez en revue vos applications IA exposées sur Internet pour supprimer toute exposition inutile. Retirez les routes de débogage, les maps de source et les fichiers d'environnement de l'accès public, et assurez-vous que les points de terminaison de gestion nécessitent une authentification forte.



