Amazon Threat Intelligence hat am 13. November beschrieben, wie KI-Agenten des Angriffs-Frameworks ARTEX zwischen dem 3. Oktober und dem 5. November ihre eigenen Einsatzprotokolle an die Köder-Server des Konzerns schickten.[1] Die Agenten hielten die Attrappen für Zugänge zu Sprachmodellen. Amazon ordnet die Aktivität mit mittlerer Wahrscheinlichkeit mehreren China-nahen Gruppen zu.
Ein Klick · kostenlosDr. Web bei Google bevorzugenMarkieren Sie drweb.de als bevorzugte Quelle. Dann sehen Sie unsere Artikel öfter unter den Top-Meldungen.Jetzt hinzufügenInhalt 4 Abschnitte
Das Wichtigste in Kürze
- Amazons Köder-Netz MadPot gab sich als Schnittstelle für Sprachmodelle aus. Die Anfragen der Agenten enthielten Systemprompts, Werkzeugaufrufe und gemeldete Funde.
- Eine Kampagne stahl API-Schlüssel für KI-Modelle und bezahlte damit die Suche nach weiteren Schlüsseln.
- Eine zweite Kampagne wollte die Identitätsprüfung bei zwei Krypto-Börsen mit Deepfakes überlisten. Der Server des Anbieters der Identitätsprüfung wies die Fälschung bei jedem aufgezeichneten Versuch ab.
- Laut Amazon war keine Technik neu: Ausgenutzt wurden Standard-Passwörter, offene Schnittstellen und ungepatchte Software.
Wie kamen die Protokolle zu Amazon?

ARTEX ist ein quelloffenes Framework, in dem Agenten arbeitsteilig als Planer, Ausführer, Prüfer und Zusammenfasser auftreten und ein gemeinsames Wissensgraph-Gedächtnis teilen.[1] Ein chinesischer Entwickler stellte es im Juli auf GitHub, nahm er den Quellcode laut Datadog am 8. Oktober aus der Öffentlichkeit, nachdem es mehr als 12.000 Forks gesammelt hatte.[2]
Die Agenten brauchen ein Sprachmodell als Backend und schickten ihre Anfragen auch an Amazons Attrappen. Jede Anfrage enthielt den Stand der Kampagne: Systemprompts, Werkzeugaufrufe, Zwischenstände. Amazon sah die Angriffe nicht in Echtzeit und kann die Erfolgsmeldungen der Agenten nicht prüfen.[1] Die Zuordnung zu China-nahen Gruppen stützt sich auf Prompts in vereinfachtem Chinesisch, chinesische Zeitzonen und passende Ziele. In Beispielvorgaben der Betreiber waren Ziele in Festlandchina und Regierungsdomänen ausgenommen.[1]
Der Mechanismus liegt für jeden Anbieter einer Modell-Schnittstelle offen: Ein Agent, der sein Gedächtnis bei jeder Anfrage mitschickt, gibt dem Betreiber des Endpunkts den ganzen Einsatzplan preis (Einschätzung der Redaktion).
Wie bezahlen sich die Agenten selbst?
Die erste Kampagne suchte öffentlich erreichbare KI-Anwendungen wie Dify, Langflow, LiteLLM oder Open WebUI, las deren hinterlegte Anbieter-Schlüssel aus, prüfte sie und legte sie in einem Vorrat ab. Mit den Schlüsseln bezahlten die Agenten wiederum die Modelle, die nach neuen Schlüsseln suchten. Der Kreislauf finanziert sich laut Amazon selbst.[1] Einfallstore waren Standard-Admin-Zugänge, nie eingerichtete Installationen, fest hinterlegte Zugangsdaten in JavaScript-Dateien und die Sicherheitslücken CVE-2025-3248 in Langflow und CVE-2026-28797 in RAGFlow.[1]
Die zweite Kampagne richtete sich gegen die Identitätsprüfung bei zwei Krypto-Börsen. Ein Agent baute auf einer einzelnen Grafikkarte eine Deepfake-Pipeline mit 11,5 Bildern pro Sekunde, der Server des Anbieters der Identitätsprüfung lehnte die Fälschung trotzdem bei jedem aufgezeichneten Versuch ab.[1]
Die Agenten sind neu. Die Schlüssel, die sie finden, hat jemand offen liegen lassen.
Markus Seyfferth, Chefredakteur Dr. Web
Was heißt das für Unternehmen in Deutschland?
Datadog beobachtete im Oktober Angriffe auf AWS-Umgebungen, die langfristige Zugangsschlüssel und öffentliche Cognito-Nutzerpools ausnutzten.[2] Der Fall reiht sich in eine Serie ein: CrowdStrike beschrieb Ende Oktober eine Gruppe, die mit KI-Agenten in elf Tagen über 200 Organisationen angriff. Beim Einbruch bei Northflank mussten Kunden alle gespeicherten Zugangsdaten austauschen. Schon im August berichtete Dr. Web, dass sich Chinas Angriffsvolumen mit DeepSeek als billigem Hackerwerkzeug verdoppelt.
Artikel 32 der DSGVO verlangt Schutzmaßnahmen, die dem Risiko angemessen sind. Artikel 33 verlangt eine Meldung binnen 72 Stunden, wenn personenbezogene Daten betroffen sind.[3] Betreiber wesentlicher und wichtiger Einrichtungen müssen nach Artikel 21 der NIS2-Richtlinie ein Risikomanagement mit Zugriffskontrolle nachweisen.[4] Vier Schritte empfiehlt die Redaktion:
- Prüfen Sie, welche KI-Anwendungen wie Dify, Langflow oder LiteLLM aus dem Internet erreichbar sind. Schalten Sie Standard-Zugänge ab.
- Legen Sie keine Schlüssel in JavaScript-Dateien, Quellcode oder öffentlichen Repositories ab. Tauschen Sie Schlüssel aus, die dort lagen.
- Setzen Sie bei den Modell-Anbietern Ausgabenlimits und Warnungen für ungewöhnliche Nutzung, denn gestohlene Schlüssel fallen zuerst auf der Rechnung auf.
- Ersetzen Sie langfristige AWS-Zugangsschlüssel durch temporäre Rollen und prüfen Sie öffentliche Cognito-Nutzerpools.
Quellen
4 Quellen anzeigenQuellen ausblenden
- Amazon Web Services, CJ MosesAmazon Threat Intelligence observes threat actors running cybercrime campaigns with ARTEX AI agents
- Datadog Security LabsOn the hunt for ARTEX: understanding agentic attacks in AWS environments
- Europäische UnionVerordnung (EU) 2016/679 (DSGVO), Artikel 32 und 33
- Europäische UnionRichtlinie (EU) 2022/2555 (NIS2), Artikel 21
Mehr Newshunger?
- CrowdStrike: China-nahe Spionagegruppe griff mit KI-Agenten in elf Tagen über 200 Organisationen an
- Einbruch bei Northflank: Kunden sollen alle gespeicherten Zugangsdaten austauschen
- Fireworks AI meldet den zweiten Hackerangriff binnen Wochen
- Railway: Angreifer lasen entschlüsselte Umgebungsvariablen von Kunden aus
- Einbruch bei GitBook: Angreifer könnten API-Token und Zugangsdaten erbeutet haben
- Schadsoftware nutzt Sprachmodelle, um Opfer nach ihrem Wert zu ordnen
- Cybersecurity auf Dr. Web
