AIペネトレーションテストツール「ARTEX」と「SCARLET LOOP」が新たな金融攻撃を主導

2026年9月下旬から10月初旬にかけて、脅威アクターは人工知能エージェントを展開し、韓国とブラジルの金融機関への侵入を試みました。CrowdStrike Intelligenceは、韓国の企業に対してペネトレーションテストツール「ARTEX」を使用したキャンペーンを確認し、一方ZenoXは、ブラジルのアカウントを狙ったプラットフォーム「SCARLET LOOP」を発見しました。両方の作戦では重大なデータ流出と認証情報の盗難が発生しており、自律的でAI駆動型のサイバー犯罪への移行を示しています。

何が起きたのか

CrowdStrikeは、香港拠点のIPアドレス上のオープンディレクトリを特定した後、韓国でのキャンペーンを発見しました。これらのディレクトリには、Claude Codeのセッション履歴、メモリファイル、および中国のAutumn-27が開発したオープンソースのエージェント型ペネトレーションテストツール「ARTEX」の設定データが公開されていました。攻撃者は、侵入で使用されたARTEXインスタンスをホストしていたIPアドレス38.244.50[.]120から操作を行っていました。特定のグループへの帰属は確定していませんが、証拠は金銭的動機を持つ中国語話者のオペレーターによるものであることを示唆しています。

同時に、ZenoXはポルトガル語話者のアクターによって仕組まれたプラットフォーム「SCARLET LOOP」の詳細な活動を明らかにしました。この作戦は、ブラジルのロイヤルティプログラム、企業向けインセンティブ、ギフトカードプラットフォームを標的としていました。攻撃者は、インフォスティーラー（情報窃取マルウェア）のログやデータ漏洩から得られた盗まれた認証情報を使用し、大規模にアカウントを乗っ取りました。インターネットに公開されていたサーバーの分析により、同グループが1,200万件以上の認証情報をテストし、数千のドメインで約12,000件の有効性を確認していたことが判明しました。

ソフトウェアの不正使用を受け、Autumn-27はARTEXをクローズドソースモデルへ移行すると発表しました。開発者は、このツールが認可されたセキュリティ研究と学習を目的としており、悪意ある活動のためではないと述べました。また、さらなる濫用を防ぐため、今後のバージョンリリースやメンテナンスサポートは提供されないことを確認しました。

仕組み

ARTEXシステムは、大規模言語モデル（LLM）によって駆動されるマルチエージェント自律ペネトレーションフレームワークとして機能します。観測されたキャンペーンでは、攻撃者はARTEXの主バックエンドとしてDeepSeek v4.1-flashを設定し、補助としてZ.aiのGLM-5.3とSpaceXAIのGrok 4.6を使用していました。オペレーターはおそらくAPIリセラーを通じてこれらのモデルにアクセスしていました。エージェントは自律的にシステムをナビゲートし、脆弱性を特定し、データを外部へ持ち出しましたが、Telegramグループ経由で流出データの売却方法についてClaudeに問い合わせることもありました。

SCARLET LOOPは、より複雑な多段階自動化パイプラインを採用しています。まずOpenAIのGPT-5.6を使用して検索クエリを生成し、GPT-5.5で高価値ターゲットを分類することでターゲット発見を行います。ログイン実行時には、AIエージェントが計装化されたFirefoxブラウザを操作し、Canvas、WebGL、ジオロケーションなどのデジタルフィンガープリントを偽装して、ボット対策防御を回避します。エージェントはDeepSeek-V4-Pro、Claude Opus 4.6、その他のモデルを使用し、人間の監督なしでログイン画面のマッピングやフォーム入力を行います。

コスト最適化のため、SCARLET LOOPには「AUTO Mode」が備わっており、慣れたドメインでのログイン成功後にLLMを処理ループから除外します。ZenoXが指摘した通り、モデルの推論はコストが高く遅いため、プラットフォームはターゲットごとに一度だけ知能のコストを支払います。これにより、トークン使用量を最小限に抑えつつ、数百万の組み合わせをテストして認証情報リスト攻撃（credential stuffing）を効率的にスケールさせることができます。

主要な詳細

• ARTEXキャンペーンは2026年9月下旬から10月初旬にかけて、韓国の金融組織を標的としました。
• ARTEXは主LLMとしてDeepSeek v4.1-flashを使用し、GLM-5.3とGrok 4.6を補助として利用しました。
• SCARLET LOOPは12,277,358件の認証情報をテストし、3,968のドメインで11,832件の有効性を確認しました。
• SCARLET LOOPエージェントは46個の自動化ツールを使用し、検知を回避するためにCAPTCHA解決を外部委託しています。
• Autumn-27は、ARTEXが無許可の攻撃で使用されたことを受け、そのソースコードを閉鎖しました。
• 攻撃者は、「@YY520CN」というハンドルに関連するチャンネルを含むTelegramチャンネルを使用して、データ販売を調整していました。

なぜ重要なのか

これらの事案は、オープンソースのAIセキュリティツールが最小限の修正だけで武器化されていることを実証しています。開発者やセキュリティ責任者は、ペネトレーションテストフレームワークがデフォルトで安全であるとみなすことはもうできません。オペレーターが公開APIとオープンディレクトリのみを使ってARTEXを設定できた容易さは、露出した開発環境のリスクを浮き彫りにします。設定ファイルやセッション履歴がアクセス可能なまま放置されると、攻撃者はこれらの作戦を迅速に複製し、スケールさせることができます。

AIエージェントを開発しているエンジニアリングチームにとって、SCARLET LOOPのアーキテクチャは効率性に関する懸念すべき青写真を提供しています。新しいタスクに対するLLM推論と、反復的なタスクに対する単純な自動化を組み合わせることで、攻撃者は高い成功率を維持しながらコストを削減しています。このハイブリッドアプローチにより、彼らは新しいログインフォームやセキュリティ対策に適応でき、従来の静的防御の有効性が低下します。組織は、未知のインターフェースを自律的に推論できる敵対者を予測する必要があります。

対応策

• すべての公開ディレクトリとサーバーを監査し、設定ファイル、セッション履歴、APIキーが露出していないことを確認してください。
• インフラストラクチャ内で使用されるAIエージェントやペネトレーションテストツールに対し、厳格なアクセス制御を実施してください。
• 異常なAPI使用パターン、特にリセラーや予期しない地理的場所からのアクセスを監視してください。
• Canvas、WebGL、ビューポートデータなど、偽装されたブラウザフィンガープリントを検出するためのボット検知メカニズムを強化してください。
• サードパーティの侵害から盗まれたログがすでに流通している可能性がある前提で、認証情報の定期的なレビューとローテーション（更新）を行ってください。
• AIエージェントの機能を特定の認可されたアセットに限定し、意図しない横方向移動やデータ流出を防いでください。