Adapting to AI penetration testing orchestrators: The Modern
Sepanjang bulan lalu, bilangan framework penetration testing dan orchestration untuk Large Language Model (LLM) telah meletup. Beberapa minggu lalu sahaja, ARTEX — sebuah sistem penetration testing agentic sumber terbuka yang mengautomasikan workflow keselamatan ofensif — merupakan satu-satunya framework yang tersedia. Dalam tiga hari terakhir sahaja, kami telah melihat lebih 50 keluarga framework cuba mengimbas pelanggan Cloudflare di seluruh dunia. Bilangan alamat Internet Protocol (IP) yang dilihat menjalankan framework-framework ini telah berkembang kepada ribuan dan terus meningkat setiap hari. Penyebaran framework-framework ini telah mengubah status quo dalam cyber defense secara ketara: defenders bergelut untuk mengikut sifat volumetrik serangan yang dipandu secara autonomi ini.
ARTEX telah ditarik turun oleh penciptanya, Autumn-27, pada 8 Oktober. (“Penyalahgunaan berniat jahat terhadap alat ini sama sekali bercanggah dengan niat asalnya,” mereka menulis dalam bahasa Cina.) Namun dalam bulan selepas itu, ekosistemnya meletup dengan versi-versi pecahan baharu. Kini terdapat lebih 12,000 repositories, dengan beberapa ratus fork unik yang membawa asal usul daripada repository asal. Selain itu, ratusan framework orchestration agentic serupa yang lain telah dicipta sejak 8 Oktober. Permintaan harian untuk alat AI penetration testing (pentesting) dan exploitation telah meningkat 30 kali ganda sejak 1 Oktober. Alat-alat ini juga telah mula menggunakan rantai credentials pelanggan yang dicuri dalam beberapa serangan yang lebih kompleks, seperti lateral movement chaining di seluruh environment.
Kami menjangkakan framework-framework ini akan terus membiak, dan setiap organisasi harus bersedia untuk menangani ancaman ini. Untuk menentang framework pentest berasaskan LLM, kami mengesyorkan semua organisasi mengamalkan apa yang kami panggil sebagai Modern Security Model, yang mempunyai enam teras utama:
- Perkukuhkan pintu hadapan: Laksanakan Web Application Firewall (WAF) dengan peraturan lanjutan seperti rate limits.
- Stesen keselamatan di lobi: Pengesanan anomali pada semua aplikasi web yang diakses pelanggan anda.
- Kenal pasti pelawat palsu: Laksanakan Bot Defense.
- Buang pintu belakang: Laksanakan Identity-Gated Access untuk semua aplikasi web luaran dan dalaman berisiko tinggi.
- Semak penghantaran: Kuatkuasakan skema yang disahkan dan kawalan keselamatan yang eksplisit.
- Neighborhood watch: Laksanakan Threat Intelligence untuk mendapat visibiliti terhadap serangan.
Apa itu orchestrator penetrasi dan eksploitasi LLM?
Kerangka kerja pentesting sumber terbuka mampu mengorkestra ejen AI untuk melaksanakan peringkat dalam Cyber Kill Chain tradisional secara berskala besar. Alat seperti ARTEX boleh dengan cepat menyambungkan Model Context Protocol (MCP) yang sedia ada dan menghubungkan alat pentesting tradisional yang berdiri sendiri dengan cara baharu. Ada yang malah membenarkan arahan operator tentang jenis tugas yang perlu diselesaikan. Alat ini boleh memetakan dan menyenaraikan persekitaran, dari dalam dan luar. ARTEX dan fork-nya memetakan aset serta persekitaran ke dalam graf, membolehkan beberapa ejen selari bebas untuk menyenaraikan, mengesahkan, membuat prototaip, dan menyerang pada kelajuan inference. Alat ini menukar kompromi menjadi masalah yang boleh ditingkatkan secara berperingkat, yang memang sesuai untuk ejen.
Alat pentesting AI LLM yang wujud sekarang
Kami sedang menjejak 50+ ejen AI LLM. Jadual di bawah menunjukkan lima orchestrator penetrasi dan eksploitasi LLM teratas. Setiap satu sangat popular (1k+ GitHub stars) dan sepenuhnya autonomi. Sifat autonomi penuh ejen ini mewakili perubahan doktrin dalam keupayaan siber ofensif:
- Kemahiran manusia bukan lagi had: sebuah harness melaksanakan setiap langkah OODA loop dengan memerhati persekitaran, mengorientasikan diri untuk memberi keutamaan kepada sasaran yang bernilai dan/atau terdedah, menentukan tindakan, dan bertindak autonomi.
- Peningkatan kelajuan: mempunyai beberapa ejen selari yang bekerja menuju satu matlamat adalah perubahan besar berbanding seorang operator atau beberapa operator yang dibantu AI.
- Skala: seorang operator boleh menyasarkan beberapa organisasi pada masa yang sama, sekali gus meningkatkan blast radius mereka dengan ketara.
- Kesilapan kecil mudah dikesan: kerangka autonomi menguji perkhidmatan yang terdedah tanpa henti dan secara sistematik, termasuk konfigurasinya.
Seni bina
Model perancangan
Keupayaan terbina dalam/persekitaran pelaksanaan
Keupayaan post-exploitation
ARTEX (dan fork)
Perancang dan ejen selari
Graf matlamat, petunjuk, dan penemuan dihubungkan kepada graf aset sasaran yang berasingan
Terus pada host atau container dengan akses rangkaian/root, boleh pasang atau bangunkan alat mengikut keperluan
Tiada apa-apa yang terbina dalam, memerlukan arahan pengguna
LuaN1aoAgent
Ejen penyelia, ejen perancang, dan ejen pelaksana umum
Tiga graf, dengan matlamat/tugas/halangan, bukti/hipotesis/exploit, dan sasaran/lokal
Container dengan akses rangkaian/pengguna, boleh bangunkan alat mengikut keperluan dan pasang pakej pengguna
SSH dan Chisel terbina dalam untuk penerowongan dan percubaan sambung semula selepas gangguan
Decepticon
Ejen orkestrator yang menghantar sub-ejen pakar
Graf objektif dengan prasyarat
Container Kali yang berjalan sebagai root, boleh bangunkan alat mengikut keperluan
Kemahiran khusus pasca-akses, Active Directory dan pivoting awan
Cairn
Dispatcher yang mengagihkan kerja kepada harness AI sedia ada (Codex, Claude Code, Pi)
Graf fakta dan petunjuk; nod baharu mencetuskan dispatcher
Container Kali dengan akses root atau terus pada host, boleh bangunkan alat mengikut keperluan
Panduan prompt dan alat Kali
PentestGPT-Agent
Ejen penyelia dan satu ejen pelaksana umum
Senarai tugas dengan kebergantungan, matlamat dan bukti
Berjalan pada host, boleh bangunkan alat mengikut keperluan
Tiada apa-apa yang terbina dalam, memerlukan arahan pengguna
Pemerhatian daripada rangkaian terbesar di dunia
Setakat 12 November, ARTEX dan fork-forknya menyumbang lebih 60% daripada orkestrator pengujian penembusan AI yang diketahui setakat ini. Carta di bawah membantu kita memahami bagaimana penerimaan alat-alat ini berubah dalam enam minggu lepas. Sejak repository ARTEX asal dihapuskan pada 8 Oktober, trafik telah meningkat lebih sepuluh kali ganda, dan telah meningkat lebih 30x sejak 1 Oktober.
Seperti yang ditunjukkan di atas, penyingkiran ARTEX pada 8 Oktober (dan liputan meluas mengenainya) berkemungkinan menyebabkan kesan hydra, di mana penghapusan repository asal membawa kepada peningkatan besar dalam bilangan fork dan pengubahsuaian yang dapat dilihat daripada pecutan mendadak instans unik sekitar 8 Oktober.
Eksploitasi LLM berantai identiti
Sepanjang lapan minggu lalu, pasukan Cloudforce One kami telah dipanggil untuk menyertai beberapa siasatan incident response yang melibatkan ARTEX dan kerangka eksploitasi LLM terbitan ARTEX. Kami melihat sendiri bagaimana kelayakan yang terdedah dirantai dengan kerangka eksploitasi berasaskan LLM untuk mendapat kelebihan ke atas pasukan pertahanan. Kami memerhati beberapa insiden di mana pelaku ancaman mendapat akses awal ke persekitaran hyperscaler dan berpindah terus ke persekitaran Cloudflare pelanggan. Analisis punca akar menunjukkan kegagalan kebersihan kelayakan yang lazim. Penyerang berulang kali menguasai token statik tanpa luput yang berjalan dalam pipeline CI/CD, yang memberi akses luas merentas persekitaran pada infrastruktur hyperscaler organisasi. Kerangka LLM sangat meningkatkan kebarangkalian API key pelanggan digunakan secara lateral untuk mengambil alih persekitaran penyewa lain.
ARTEX beraksi
Sebahagian daripada satu siasatan incident response, pasukan kami melihat ARTEX mendapat akses kepada token API peringkat akaun yang telah dikuasai, yang sebelum ini digunakan untuk CI/CD tanpa sekatan IP atau rate limiting. Bukti yang ada menunjukkan bahawa penembusan itu berkemungkinan besar bermula melalui hyperscaler pihak ketiga.
Kami memerhati bahawa sebilangan besar skrip Worker baharu telah dicipta dengan nama berbeza seperti artex-*, artex-pgrecon-*, artex-pgw-*, dan artex-do-*. Penamaan setiap skrip Worker berkait dengan tingkah laku dan tindakan berbeza yang dilakukannya, dan sering ditambahkan pengenal alphanumeric di hujungnya. Kami melihat aktiviti melebihi 69 permintaan seminit merentas beberapa bahagian unik dalam infrastruktur Cloudflare mereka, serta 400 permintaan dump pangkalan data dalam satu jam. Kami juga melihat percubaan mekanisme persistence dan percubaan untuk mengesahkan token sesi bagi aplikasi pihak ketiga lain. Walaupun kami percaya kebanyakan aktiviti ini dipandu secara ringan oleh pengendali manusia, ini hanyalah satu contoh kelajuan dan keluasan yang boleh dicapai oleh ARTEX dan kerangka serupa selepas penembusan.
Syor kami: Model Keselamatan Moden
Large Language Models meningkatkan keupayaan threat actor untuk bergerak pantas melalui Cyber Kill Chain terhadap sasaran. Model ini memberi pelaku ancaman kelebihan dari segi kelajuan dan pengesahan. Setiap langkah dalam Cyber Kill Chain boleh disahkan dan disuapkan ke peringkat serangan seterusnya. Tahap orkestrasi ini tiada tandingan dan secara efektif melenyapkan model keselamatan siber lama. Model moden perlu digunakan untuk menentang serangan ini.
Untuk membantu menjelaskan model ini dengan lebih lanjut, mari gunakan kiasan melindungi sebuah rumah dalam kawasan hartanah. Setiap bahagian di bawah menghuraikan cara mempertahankan diri daripada ancaman pada setiap langkah.
Kuatkan pintu hadapan: laksanakan traffic control dan WAF dengan peraturan lanjutan
Sebelum sesiapa pun menjejakkan kaki ke halaman anda, mereka perlu sampai ke pagar perimeter.
Pada perkarangan yang tidak dilindungi, pihak lawan boleh memandu armada trak umpan tanpa henti terus ke laluan masuk anda, menghalang pintu masuk sepenuhnya dan memecahkan halangan (Layer 3/4 volumetric floods dan direct IP probing).
Dengan keselamatan pagar perimeter dipasang, semua traffic masuk dihalakan melalui pintu luar besar yang tersebar berbatu-batu jauh dari rumah utama. Trak penghantaran yang berniat jahat ditapis keluar ke lebuh raya, terowong utiliti yang cuba menyadap hartanah anda dipotong, dan hanya traffic kaki yang sah sampai ke alamat rumah anda.
Network traffic control memainkan peranan penting dalam menghentikan serangan volumetrik.
Stesen keselamatan di lobi: anomaly detection
Apabila pelawat tiba di pintu masuk utama, mereka akan bertemu stesen keselamatan ketat di lobi.
Penceroboh automatik bukan sekadar menendang pintu; mereka menyamar. Mereka cuba cara pelik untuk masuk melalui pintu — menyumbat kertas ke dalam kunci, mencuba variasi seperti //front-door//back-room/ untuk memperdaya mekanisme supaya pintu terbuka.
Penjaga keselamatan di pintu menguatkuasakan peraturan yang jelas:
- Anda tidak boleh mengetuk pintu 500 kali dalam 5 saat.
- Anda tidak boleh menyamarkan laluan anda dengan helah.
- Anda tidak boleh cuba menolak troli plat rata besar melalui ruang hadapan untuk membawa keluar pelan dalaman rumah (diagnostic heap dumps). Kelakuan mencurigakan akan terus dihalau.
- Laksanakan security keys dan FIDO keys berasaskan perkakasan.
Web Application Firewall (WAF) berfungsi sebagai mekanisme pertahanan utama untuk menghalang eksploitasi aplikasi melalui rate limits dan pengesanan anomali.
Kenal pasti pelawat palsu: laksanakan Bot Defense
Penyusup yang canggih jarang kelihatan seperti perompak bertopeng; mereka menyamar sebagai pelawat biasa. Tetapi agen automatik, scraper headless browser, dan alat pengintipan AI tidak berkelakuan seperti manusia sebenar.
Mereka tidak berkelip, postur mereka kaku secara menyeramkan, irama mereka mekanikal, dan “pengenalan” mereka selalunya tiruan hambar badge pelawat sebenar.
Bot Defense dan challenges bertindak sebagai pakar tingkah laku yang memerhati orang ramai melalui cermin satu hala. Ia menandakan irama tidak semula jadi, menangkap mikro-tingkah laku sintetik, dan mengiringi mesin keluar dari kawasan dengan senyap sebelum mereka sempat menyentuh satu pun tombol pintu.
Singkirkan pintu belakang: laksanakan Identity-Gated Access dan micro-segmentation
Pada zaman dahulu, banyak rumah dibina dengan pintu sisi atau lubang bilik bawah tanah (panel admin dalaman, endpoint diagnostik /actuator, dan gateway jarak jauh). Walaupun berkunci, seorang pengintip boleh berdiri di tepi jalan, menyuluh pintu bilik bawah tanah dengan lampu suluh, dan mula mencungkil kunci.
Zero Trust application access melakukan sesuatu yang radikal: ia menutup pintu dari luar dan mengehadkan bilik yang boleh dimasuki.
Bagi sesiapa yang berkeliaran di sekitar kawasan, pintu bilik bawah tanah tidak wujud. Tiada kunci untuk dicungkil, tiada pemegang pintu untuk digegarkan, dan tiada lampu menyala di dalam. Satu-satunya jalan masuk ialah dengan pengiring yang memeriksa badge biometrik anda, mengesahkan peranti anda sihat sepenuhnya, lalu membawa anda terus ke bilik tertentu yang anda perlukan — meninggalkan selebihnya rumah tidak kelihatan.
Bagi mereka yang berjaya masuk, anda perlu memastikan mereka tidak boleh menembusi bilik di sebelah bilik yang mereka masuki. Micro-segmentation ialah strategi yang sangat berkesan untuk menghentikan lateral movement. Ia mengehadkan credential yang dikompromi daripada menembusi sistem production, test, dan development.
Periksa penghantaran: kuatkuasakan schema yang disahkan dan kawalan keselamatan yang eksplisit
Setiap hari, anda menerima penghantaran bekalan ke tanah anda — barangan dapur, pos, dan alat ganti penyelenggaraan. Dalam istilah digital, ini ialah trafik API masuk anda, yang perlu diperiksa dan disahkan.
Pengganggu sering cuba memintas kawalan dengan menghantar payload yang belum disahkan atau manifes penghantaran palsu yang ditujukan untuk sistem dalaman yang dikawal ketat.
Protokol porch mewajibkan pemeriksaan menyeluruh dan pengesahan skema untuk semua trafik:
- Setiap permintaan masuk mesti melalui pengesahan skema OpenAPI untuk memastikan ia benar-benar menepati definisi dan struktur yang dijangkakan.
- Pemandu dan kurier mesti mengemukakan sijil mutual TLS (mTLS) yang telah disahkan untuk mewujudkan sambungan yang dipercayai dan disahkan.
- Mana-mana permintaan yang gagal pemeriksaan atau tidak mempunyai kelayakan sah akan ditolak serta-merta di sempadan.
- Postur Default-Deny: Setiap pelaksanaan keselamatan positif berakhir dengan peraturan deny-all yang dinyatakan secara jelas di bahagian bawah ruleset.
Penjagaan kejiranan: laksanakan threat intelligence untuk mendapat gambaran tentang serangan
Walaupun dindingnya sekuat besi, tanah terpencil masih boleh terdedah kepada risiko jika sebuah sindiket mencipta teknik penyusupan yang sama sekali baharu di seluruh bandar.
Threat intelligence berfungsi sebagai rangkaian amaran anda dengan tanah jiran. Apabila seorang aktor nakal mendirikan safehouse command-and-control baharu di hujung jalan atau mula menggunakan van tunneling dinamik di kawasan anda, anda akan menerima dossier awal. Tanah anda mengemas kini senarai pengawasan, menentukur semula sensor, dan menutup pintu pagar dengan kuat sebelum aktor itu pun membelok masuk ke jalan anda.
Cara mendapatkan bantuan masa nyata
ARTEX dan framework berasaskan LLM yang serupa menimbulkan cabaran besar kepada model pertahanan siber legacy. Walaupun model defense-in-depth yang lama — yang menekankan DMZ rangkaian klasik — masih tidak memadai dalam arkitektur kompleks hari ini. Serangan masa depan hanya akan semakin canggih apabila tools orchestration menjadi norma baharu.
Melindungi peralatan lama dan peranti on-premises memerlukan pendekatan yang mengawal akses berdasarkan identiti, yang secara logik menjadikan peranti ini mustahil dicapai melalui Internet. Selain identiti, tujuan micro-segmentation ialah memperlahankan pergerakan sisi atau menjadikannya lebih bising. Seni bina ini menekankan pendekatan keselamatan yang meletakkan containment sebagai keutamaan, yang penting apabila pengguna sentiasa kehilangan kunci mereka. Apabila digabungkan, elemen-elemen dalam Modern Security Model ialah jawapan kepada masalah yang menyusahkan ini.
Jika anda sedang berdepan insiden keselamatan aktif dan memerlukan pasukan Cloudforce One di lapangan untuk membantu bertindak balas terhadap insiden, atau memerlukan sokongan perisikan ancaman, sila hubungi kami dengan segera. Jika anda perlukan bantuan untuk melaksanakan Modern Security Model yang digariskan di sini, sila hubungi pasukan Solutions Engineering kami.
Tag berkaitan
Ikuti di Media Sosial
Kami takkan kongsi alamat e-mel anda.
Terima kasih kerana melanggan! Sila semak inbox anda untuk mengesahkan.
Sumber Rujukan:
- Artikel asal: Cloudflare Blog
- Diterjemah daripada artikel asal ke Bahasa Melayu oleh AI Editorial – haqis.com