数百个暴露于网络的 Artex AI 系统引发滥用与网络攻击担忧

目录

• 你可能想知道
• 主要内容
• 重点摘要表
• 后续……

你可能想知道

• 为什么数百个 Artex AI 黑客工具部署会让网络上的任何人都能访问？
• 暴露的系统如何对其操作人员及其攻击目标造成风险？

主要内容

安全研究人员发现，数百个可公开访问的 Artex 部署。Artex 是一款开源人工智能（AI）工具，旨在自动化渗透测试。这项发现引发担忧：原本用于安全研究或经授权测试的系统，可能因暴露而让外部人士得以查看，甚至可能遭到滥用。这些部署无需密码即可通过互联网连接，所造成的风险已超出软件原本的用途。

Artex 被描述为一款自主渗透测试工具：只需有限的人工介入，就能探查计算机系统的安全弱点。由于它是开源软件，任何人都能下载并在自己的服务器上运行。对于无法使用 Anthropic 或 OpenAI 最先进网络安全 AI 模型的用户而言，这使 Artex 成为一种选择。然而，能帮助找出漏洞的工具，若在缺乏充分防护的情况下部署或使用，也可能被改作入侵用途。

Microsoft 过去曾将 Artex 描述为一套 AI 代理系统，能够发动网络攻击，“从侦察到数据窃取，所需的人工交互很少”。侦察是指收集潜在目标的信息，而数据窃取则是未经授权将信息从系统中传出。这些能力范围有助于说明安全专业人士为何认为该工具暴露在外事关重大：可供访问的部署可能暴露的不只是普通软件服务，还可能包括与攻击活动相关的组件和信息。

网络安全公司 Censys 在一篇博客文章中表示，该公司扫描互联网上暴露或易受攻击的系统时，发现超过 800 个不同的 Artex 部署可从网络访问，且不需要登录密码。Censys 首席安全研究员、该篇文章作者 Silas Cutler 提醒，并非所有部署都被用于恶意活动。有些可能由获授权的测试人员操作。尽管如此，许多系统为何暴露在外仍不清楚，因为 Artex 并不需要通过公共互联网连接才能运行。

核心担忧不只是 Artex 的存在，而是这种强大的安全工具部署在未经验证的情况下对外公开。这种暴露可能让外部人士更容易查看系统、获取其中的信息，或以操作人员未预期的方式使用其资源。这也表明，配置错误可能削弱原本用于合法研究的工具的安全性。

公开访问的部署可能暴露与攻击相关的资料，例如植入程序：用于入侵网络并维持访问权限的隐藏式恶意软件。当工具或植入程序暴露在外时，其操作人员可能无法再控制谁能查看或与其交互。同时，部署细节也可能透露其活动、基础设施或预定目标的线索。因此会产生双重风险：暴露在外的操作人员系统可能遭到入侵，而通过该系统被锁定的组织也可能受到进一步伤害。

安全公司曾将 Artex 与数起大规模网络攻击联系起来。一项据报道的行动于 September 针对韩国金融业。网络安全公司 CrowdStrike 将这些攻击归因于一名使用 Artex 实例的中文用户。该归因的依据之一，是这名黑客留下了一个托管该系统的“开放目录”，使公开可用的资料得以被查看。

Censys 表示，其数据显示，与这些攻击相关的 Artex 实例已暴露于互联网数月。该公司还指出，可获取的信息似乎包含“远不止韩国银行”的攻击数据，并提及支付与游戏公司。这些细节凸显暴露的基础设施为何对调查人员很重要：留下的公开资料可能提供活动范围的证据，也可能泄露受害者或行动相关信息。

Artex 也在 October 早些时候针对 IT 支持公司 ConnectWise 的攻击中被使用。据报道，这起事件让与中国有关联的黑客得以监视数千个组织；这些组织的数据和文件托管在 Microsoft 云端。Microsoft 在一篇博客文章中表示，攻击者利用 Artex 入侵客户的云环境，并以让防御人员“几乎没有时间检测和响应”的速度窃取数据。这一说明指出自动化或快速执行的攻击所带来的实际挑战：安全团队可能只有有限时间识别可疑活动并采取行动。

与此同时，据报道的事件并非只依赖复杂的技术弱点。许多与 Artex 有关的攻击涉及基本安全漏洞，包括猜测弱密码或已知密码，以及未启用多因素身份验证。这些缺口能让攻击者相对容易地入侵账户或系统，也表明自动化并未降低基本安全措施的重要性。

因此，这些发现对测试工具的操作人员和潜在受害目标都有影响。除非有必要，操作人员应避免将敏感服务暴露于公共互联网，并应要求使用强身份验证，且限制可信用户的访问。他们也应检查部署中存储了哪些数据、代码和攻击相关产物。另一方面，负责防御自身环境的组织，可以使用强且独特的密码、启用多因素身份验证、修补已知漏洞，并监控异常访问，以降低风险。

Artex 之后宣布转为闭源模式，实际上将后续版本的发布限制为付费客户。这项改变或许会减少新版本的获取渠道，但不会移除已流通的软件副本。代码分享网站上仍有数十份 Artex 代码副本，可能继续被用于正在进行的攻击。因此，发布方式的改变可以影响未来版本的获取对象，却无法立即消除现有部署或副本。

这一事件凸显网络安全领域一个更广泛的问题：为防御性测试打造的软件也可能被改作攻击用途，而不安全的部署方式则可能使工具本身暴露在外。同一套系统在某种情境下可支持经授权的安全工作，在另一种情境下却可能助长有害活动。使用情境、访问控制、监督机制，以及工具运行环境的安全性，都会影响它在现实中的作用。

重点摘要表

后续……

随着 AI 驱动的安全工具功能日益强大，组织和研究人员需要审视如何负责任地使用这些工具，以及如何确保其部署安全。后续工作可着重于默认访问控制、安全配置指南，以及在公开服务被非预期用户发现之前识别它们的方法。这些措施不仅适用于 AI 工具，也适用于任何能访问敏感系统或数据的软件。

防御者也可以探索有助于检测快速、自动化活动，并提升云环境可视性的技术。加强监控、及时发出警报，以及有效的事件响应流程，有助于缩短入侵发生与采取响应之间的时间。由于报道指出攻击进展迅速，持续研究可靠的检测和协调响应仍十分重要。

最后，项目改变发布模式后，代码副本仍持续流通，这凸显了了解开源代码如何被复制、维护和重复使用的必要性。安全团队、开发人员和平台运营者可以继续探索实用方法，以识别易受攻击的部署、传达风险，并支持合法测试，同时避免系统不必要地暴露在外。关键挑战在于，如何保留安全研究的价值，同时减少暴露的工具和基本配置疏漏造成危害的机会。