亚马逊揭露 AI 代理 ARTEX 自动化窃取 LiteLLM 与 Dify 等应用 API 密钥

亚马逊、Cloudflare 与微软近期发现名为 ARTEX 的 AI 代理正自动化扫描公网 AI 应用,利用配置错误与已知漏洞窃取 LiteLLM、Dify 等组件的 API 密钥。安全团队需优先排查 LLM 网关层风险,及时修复漏洞并轮换暴露凭据。

朋克君
发布者朋克君
预计阅读 3 分钟
我要投稿
AI 摘要
约 1 分钟

快速了解本文

01

亚马逊发现 AI 代理 ARTEX 自动化扫描公网应用以窃取 API 密钥。

02

攻击主要瞄准 LiteLLM、Dify 等 LLM 网关与构建器造成级联泄露。

03

攻击利用默认凭据及 Langflow、RAGFlow 等已知 CVE 漏洞作为入口。

04

建议修复 CVE 漏洞、更改默认凭据并轮换已暴露的密钥进行防御。

本摘要由 AI 辅助整理,请以正文内容为准。

亚马逊威胁情报团队近期发现,有 AI 代理正自动化扫描暴露在公网的 AI 应用,以窃取提供商 API 密钥,并将窃取的密钥用于驱动更多搜索。在 10 月 3 日至 11 月中旬期间,亚马逊通过名为 MadPot 的诱饵服务器网络捕获了这些代理的活动记录,其中包含了攻击者的完整指令和代理报告的发现。不过,亚马逊表示未直接观察到活动发生,无法验证代理报告的具体结果。

01ARTEX 代理瞄准 LLM 网关与构建器

评估显示,这些代理以中等置信度运行在开源 AI 渗透测试工具 ARTEX 上,且活动可能由与中国相关的组织发起。ARTEX 采用多代理协同架构,由规划代理将目标拆分为任务,工作代理运行安全工具,并通过大语言模型决定每一步操作。这种机制大幅提高了攻击者扫描和窃取 API 密钥的速度与持久性。

攻击的主要目标正从单一应用转向“网关和代理”层,包括持有多个提供商密钥的 LLM 网关(如 One API、LiteLLM)和 AI 应用构建器(如 Dify、Langflow、RAGFlow)。攻击者倾向于攻击这些枢纽应用,以便一次性获取多个底层模型密钥,造成级联泄露。在发现云凭据后,代理会优先针对托管 AI 模型和秘密存储的托管服务,并通过 GitHub、npm、Telegram 等渠道搜索更多泄露的密钥。

02利用配置错误与已知 CVE 漏洞

攻击者预先编写的攻击手册利用了多种配置错误和架构弱点作为入口点,包括默认管理员凭据(如 LiteLLM 默认主密钥)、未完成的安装、无需登录的管理端点,以及 One API 的 isCliRequest 头部认证绕过。

此外,攻击手册还涵盖了已知的 CVE 漏洞,例如 Langflow 的 CVE-2025-3248(缺失认证导致远程代码执行)和 RAGFlow 的 CVE-2026-28797(服务端模板注入)。目前,Langflow 1.3.0 已修复其漏洞,RAGFlow 0.25.0 也通过在沙箱中渲染模板来缓解相关风险。

03多厂商情报印证与检测指标

Cloudflare 和微软的威胁情报进一步印证了 ARTEX 的广泛使用。Cloudflare 事件响应人员发现,ARTEX 获取了无 IP 限制和速率限制的 CI/CD API 令牌,并在一小时内发出了 400 次数据库转储请求。同时,受感染的 Cloudflare 账户中出现了名为 artex-*(如 artex-pgrecon-*、artex-pgw-*)的 Worker 脚本,用于建立持久化和验证第三方应用的会话令牌,这为安全团队提供了具体的检测指标。

微软也报告称,攻击者使用 ARTEX 等工具在 GitHub 上搜索 AI 推理 API 密钥,并记录了针对 RAGFlow 和 LiteLLM 网关的早期攻击,不过微软对 RAGFlow 攻击中让攻击者运行代码的具体漏洞置信度较低。

04防御与排查建议

面对此类自动化 AI 代理攻击,亚马逊建议开发者将 AI 应用视为生产系统进行管理。具体的防御和排查措施包括:

  • 修复上述特定的 CVE 漏洞,确保 AI 应用组件升级至安全版本。
  • 更改所有默认凭据,消除因弱口令或默认密钥导致的入口风险。
  • 扫描并轮换已暴露的密钥,切断攻击者利用已窃取凭证进行横向移动的路径。
  • 为 Cloudflare API 令牌设置过期时间和 IP 限制,收敛云环境的访问权限。

RELATED STORIES

继续阅读

围绕「AI 代理」,继续阅读相关内容。

ARTICLE RECORD

转载说明

转载请注明文章出处。

TOPICS · 05

文章标签