Công cụ kiểm thử xâm nhập do AI điều khiển tăng vọt sau khi ARTEX bị gỡ bỏ

Bối cảnh tấn công mạng tự động đã thay đổi đáng kể vào cuối năm 2026 khi các framework trí tuệ nhân tạo mã nguồn mở bắt đầu nhắm mục tiêu vào hạ tầng ở quy mô chưa từng có. Cloudflare ghi nhận sự gia tăng đột biến trong hoạt động quét tự động bắt đầu từ đầu tháng Mười, trùng với thời điểm gỡ bỏ một công cụ bảo mật tấn công phổ biến tên là ARTEX. Sự kiện này đã kích hoạt sự phát triển mạnh mẽ của các công cụ phái sinh, hiện đang đe dọa cả môi trường tự lưu trữ (self-hosted) lẫn khách hàng đám mây.

Chuyện gì đã xảy ra

Vào ngày 8 tháng 10, tác giả của ARTEX, được biết đến với tên Autumn-27, đã xóa repository gốc khỏi quyền truy cập công khai. Nhà phát triển cho rằng việc khai thác độc hại của công cụ này trái ngược với mục đích ban đầu là phục vụ kiểm thử bảo mật đạo đức. Thay vì ngăn chặn mối đe dọa, việc gỡ bỏ này lại gây ra hiệu ứng "hydra". Trong những tuần tiếp theo, hệ sinh thái phân mảnh thành hơn 12.000 repository, với hàng trăm phiên bản fork duy nhất vẫn giữ liên kết với mã nguồn gốc. Các phiên bản mới này đang được các nhóm đe dọa trên toàn cầu tích cực phát triển và triển khai.

Các hệ thống giám sát của Cloudflare phát hiện rằng số lượng yêu cầu hàng ngày từ các công cụ kiểm thử xâm nhập và khai thác lỗ hổng do AI điều khiển đã tăng gấp ba mươi lần giữa ngày 1 tháng 10 và giữa tháng 11. Số lượng địa chỉ IP duy nhất liên quan đến các framework này đã mở rộng lên hàng nghìn. ARTEX và các phiên bản fork trực tiếp của nó hiện chiếm hơn sáu mươi phần tổng số trình điều phối kiểm thử xâm nhập bằng AI đã biết. Sự gia tăng này cho thấy các đội phòng thủ không còn đối mặt với những hacker đơn lẻ, mà là các cuộc tấn công khối lượng lớn, được hướng dẫn tự động và hoạt động liên tục.

Các framework này không chỉ đơn thuần quét tìm lỗ hổng; chúng điều phối các chuỗi tấn công phức tạp. Bằng cách kết nối các tiện ích kiểm thử xâm nhập độc lập thông qua giao diện Model Context Protocol, các agent này có thể lập bản đồ môi trường, xác minh các phát hiện và thực thi tấn công song song. Tốc độ suy luận cho phép chúng lặp lại chu trình kill chain truyền thống nhanh hơn khả năng phản hồi của con người. Một số biến thể nâng cao thậm chí còn liên kết các thông tin đăng nhập bị đánh cắp để di chuyển ngang qua mạng, biến một token bị xâm phạm thành quyền truy cập rộng rãi vào môi trường.

Chi tiết chính

• Yêu cầu hàng ngày từ các công cụ pentest AI tăng gấp 30 lần kể từ ngày 1 tháng 10 năm 2026.
• Hơn 12.000 repository liên quan đến ARTEX hiện tồn tại, với hàng trăm phiên bản fork duy nhất đang hoạt động.
• ARTEX và các phiên bản phái sinh của nó chiếm hơn 60% các trình điều phối kiểm thử xâm nhập bằng AI đang được theo dõi.
• Kẻ tấn công sử dụng các token tĩnh, không hết hạn trong pipeline CI/CD để chuyển hướng giữa môi trường hyperscaler và khách hàng.
• Tốc độ tấn công quan sát được bao gồm hơn 69 yêu cầu mỗi phút và hàng trăm nỗ lực dump cơ sở dữ liệu mỗi giờ.
• Năm framework tự động chính hiện đang được theo dõi, bao gồm LuaN1aoAgent, Decepticon, Cairn và PentestGPT-Agent.

Bối cảnh

Để hiểu rõ mối đe dọa, cần phân biệt giữa quét truyền thống và điều phối dựa trên agent. Các máy quét lỗ hổng truyền thống chạy các kiểm tra định trước trên danh sách mục tiêu. Chúng mang tính tuyến tính và bị giới hạn bởi các quy tắc do nhà phát triển viết. Ngược lại, các công cụ kiểm thử xâm nhập dựa trên Mô hình Ngôn ngữ Lớn (LLM) hoạt động như các agent tự động. Chúng quan sát môi trường mục tiêu, định hướng để tìm tài sản giá trị cao, quyết định hành động và thực thi mà không cần can thiệp của con người. Chu kỳ này, được gọi là vòng lặp OODA, diễn ra với tốc độ máy móc.

Các agent này sử dụng phương pháp tiếp cận dựa trên đồ thị để lập bản đồ mục tiêu, manh mối và các phát hiện. Nếu một đường dẫn bị chặn, agent sẽ tự động thử đường dẫn khác. Chúng có thể cài đặt công cụ, phát triển script tùy chỉnh và quản lý nhiều tác vụ song song. Khả năng này biến an ninh mạng từ một cuộc thi kỹ năng thành một cuộc thi về quy mô và tốc độ. Một operator đơn lẻ giờ đây có thể chỉ huy một đội quân agent nhắm vào nhiều tổ chức cùng lúc, làm tăng đáng kể thiệt hại tiềm tàng từ bất kỳ vụ rò rỉ thông tin đăng nhập nào.

Tại sao điều này quan trọng

Đối với các đội vận hành phần mềm tự lưu trữ hoặc quản lý hạ tầng nội bộ, sự thay đổi này khiến nhiều biện pháp phòng thủ cũ trở nên lỗi thời. Bảo mật biên truyền thống giả định rằng các cuộc tấn công đến từ bên ngoài và di chuyển chậm. Các trình điều phối AI phá vỡ giả định này bằng cách di chuyển ngang bên trong mạng ngay khi có quyền truy cập ban đầu. Nếu đội ngũ của bạn sử dụng khóa API tĩnh cho pipeline tích hợp liên tục, những khóa đó trở thành mục tiêu giá trị cao. Một agent AI có thể sử dụng khóa bị xâm phạm để khám phá toàn bộ môi trường đám mây của bạn, truy cập vào cơ sở dữ liệu và dịch vụ nội bộ vốn không được thiết kế để lộ ra ngoài.

Khối lượng nhiễu tạo ra bởi các công cụ này cũng gây ra mệt mỏi vận hành. Với hàng nghìn IP gửi các yêu cầu nhanh chóng và đa dạng, tường lửa tiêu chuẩn có thể gặp khó khăn trong việc phân biệt giữa lưu lượng hợp lệ và hoạt động trinh sát hung hăng. Nếu không có phát hiện bất thường tiên tiến, các đội bảo mật có thể bỏ lỡ những dấu hiệu tinh vi của một vụ xâm nhập đang diễn ra cho đến khi dữ liệu đã bị exfiltrate. Tốc độ mà các agent này xác thực các exploit có nghĩa là cửa sổ vá lỗ hổng đang thu hẹp từ vài ngày xuống còn vài phút.

Hơn nữa, sự phân mảnh của các công cụ này khiến việc phát hiện dựa trên chữ ký trở nên khó khăn. Vì có hàng nghìn phiên bản fork với các biến thể mã nhỏ, việc chặn một IP cụ thể hoặc chuỗi user agent là không hiệu quả. Các nhà phòng thủ phải áp dụng mô hình tập trung vào hành vi và danh tính thay vì chỉ vị trí mạng. Điều này đòi hỏi sự thay đổi cơ bản trong cách triển khai kiểm soát truy cập, hướng tới kiến trúc zero-trust nơi mọi yêu cầu đều được xác minh bất kể nguồn gốc.

Bạn có thể làm gì

• Triển khai Web Application Firewall với giới hạn tần suất nghiêm ngặt để chặn quét khối lượng lớn và các nỗ lực brute-force.
• Thay thế token API tĩnh bằng thông tin đăng nhập ngắn hạn, phạm vi hẹp cho tất cả pipeline CI/CD và dịch vụ nội bộ.
• Kích hoạt cơ chế phòng chống bot để thách thức các mẫu lưu lượng đáng ngờ, chẳng hạn như nhịp độ cứng nhắc hoặc chữ ký trình duyệt headless.
• Thực thi truy cập dựa trên danh tính cho tất cả giao diện quản trị, đảm bảo các endpoint nội bộ không hiển thị với internet công khai.
• Xác minh tất cả yêu cầu API đến so với schema nghiêm ngặt để từ chối ngay lập tức các payload sai định dạng hoặc không mong đợi.
• Giám sát các chuyển động ngang bất thường bằng cách theo dõi các mẫu truy cập bất thường giữa các dịch vụ nội bộ và cơ sở dữ liệu.

Sự trỗi dậy của kẻ tấn công AI tự động đòi hỏi một lập trường chủ động. Các đội ngũ phải giả định rằng thông tin đăng nhập cuối cùng sẽ bị rò rỉ và thiết kế hệ thống hạn chế bán kính thiệt hại của các sự kiện như vậy. Bằng cách tập trung vào danh tính, phân đoạn và phân tích hành vi, các tổ chức có thể chịu đựng áp lực từ các nỗ lực khai thác tự động, quy mô lớn.

Phần kết