Skip to content

資安警報|AI Agent 自動獵金鑰——ARTEX 掃描 LiteLLM、Dify 等 AI App 竊取 Provider 金鑰

2026年11月17日1 分鐘
TL;DRAmazon MadPot 誘捕網路在 10/3–11/5 間截獲 ARTEX agent 的作戰紀錄:自動掃描 LiteLLM、One API、Dify、RAGFlow、Langflow 等暴露在網路上的 AI app,用預設密碼、CVE-2025-3248、CVE-2026-28797、isCliRequest 驗證繞過等弱點偷 AI provider 金鑰,驗證後丟進共用金鑰池再拿去跑更多攻擊。Cloudflare、Microsoft、FBI 同週各自證實相關活動,波及數百個目標。防禦:盤點暴露的 AI app、改預設密碼、補 CVE、幫 API token 設到期時間與 IP 限制。

查詞與收藏

正在載入查詞工具…

🌏 English version

事件概述

Amazon 威脅情資團隊用名為 MadPot 的誘捕伺服器網路,在 2026 年 10 月 3 日到 11 月 5 日間截獲一批 AI agent 的「作戰記憶」——操作者下的指令與 agent 回報的執行結果。這些記錄顯示,攻擊者操作一支以 ARTEX(開源 agentic 滲透測試框架)為基礎的 agent,自動掃描暴露在網路上的 AI 閘道與開發平台(LiteLLM、One API、Dify、RAGFlow、Langflow 等),利用預設密碼、未修補 CVE、驗證繞過等弱點竊取 AI provider API 金鑰,驗證金鑰可用後丟進共用金鑰池,再拿這些金鑰跑的 AI 模型繼續找下一批金鑰。同一週,Cloudflare、Microsoft、FBI 各自發布的報告都證實了相關或重疊的攻擊活動,顯示這不是單一事件,而是一條已經規模化的攻擊鏈。

基本資訊

項目值
事件類型AI 基礎設施弱點掃描 + API 金鑰竊取(Data Exfiltration)
影響範圍暴露在網路上的 LiteLLM、One API、New API、Veloera、Sub2API、Dify、FastGPT、Langflow、RAGFlow、Open WebUI、LobeChat、Ollama 等 AI 閘道與開發平台
嚴重程度High
CVECVE-2025-3248(Langflow,缺少身份驗證可遠端執行程式碼)、CVE-2026-28797(RAGFlow,Server-Side Template Injection)
來源The Hacker News、AWS Security Blog、Cloudflare Blog

攻擊面分析

攻擊者給 ARTEX 一個目標和一個高層級目的,由 planner agent 把目的拆成任務,交給負責操作各種安全工具的 worker agent 執行,每一步要怎麼做則送去問一個 LLM。在這次「獵金鑰」戰役裡,agent 依循一份內建 playbook:先找出每種目標產品已知的「免密碼入口」——LiteLLM 的預設 master key、未完成初始化就被接管的安裝、Langflow 與 RAGFlow 的已知漏洞、One API 系列透過 isCliRequest header 的驗證繞過,以及散落在前端 JavaScript、source map、debug 路由、環境變數檔裡的金鑰。找到金鑰後先驗證是否可用,能用的就丟進共用金鑰池,再用這些金鑰跑的 AI 模型繼續搜尋 GitHub、npm、PyPI、容器映像層、paste 網站與 Telegram 頻道裡的下一批洩漏金鑰——整條鏈能自我供電,不需要攻擊者持續介入。

ARTEX 自我供電的金鑰竊取循環
ARTEX 自我供電的金鑰竊取循環攻擊者操作的 ARTEX agent 掃描暴露的 AI app 偷金鑰、驗證後寫入共用金鑰池,再用池中金鑰呼叫 AI 模型規劃下一輪掃描與搜尋,金鑰池隨每一圈變大。 掃描暴露 AI App LiteLLM・Dify・RAGFlow 竊取並驗證金鑰 預設密碼・CVE・驗證繞過 呼叫 AI 模型規劃 用金鑰池裡的鑰 搜尋更多洩漏金鑰 GitHub・npm・Telegram 共用金鑰池 每圈金鑰數量增加 寫入 呼叫
  1. 掃描暴露在網路上的 AI 閘道與開發平台,找已知弱點與預設密碼
  2. 竊取金鑰並驗證是否可用,寫入共用金鑰池
  3. 用池中金鑰呼叫 AI 模型,規劃下一輪掃描與搜尋任務
  4. 到 GitHub、npm、paste 網站、Telegram 頻道搜尋更多洩漏的金鑰
  5. 回到掃描更多暴露的 AI app,金鑰池比上一圈更大

簡化示意:依 Amazon MadPot 誘捕網路截獲的作戰紀錄重建,實際行動涉及多個獨立操作者與工具,細節可能不完全一致。

能成功的根本原因不是 AI 模型的弱點,而是一長串傳統的 AppSec 疏漏被 AI agent 用規模化、不間斷的方式同時掃過:預設或硬編碼的管理員密碼、未修補的已知 CVE、沒有驗證的管理介面與推論端點、留在前端程式碼與環境檔裡的機密。Cloudflare 的事件回應案例更指出,一個沒有到期時間、沒有 IP 限制的靜態 CI/CD API token 一旦外洩,攻擊者就能直接從雲端服務商環境跳進客戶的 Cloudflare 帳戶,一小時內發出 400 次資料庫傾印請求。Amazon 團隊的結論很直接:「這些攻擊手法沒有一個是新的,AI agent 改變的是攻擊者的速度與持續性。」

對應 OWASP LLM Top 10:LLM02 Sensitive Information Disclosure(金鑰散落在前端 JS、source map、debug 路由、.env)+ LLM05 Supply Chain Vulnerabilities(Langflow、RAGFlow 等上游元件的已知 CVE 未修補)。

防禦做法

立即動作

  • 盤點對外暴露的 AI 閘道與開發平台(LiteLLM、One API、Dify、FastGPT、Langflow、RAGFlow、Open WebUI、LobeChat、Ollama 等),改掉所有預設管理員密碼(特別是 LiteLLM 的 default master key),確認沒有「安裝到一半」就曝光的實例
  • 把 Langflow 升級到 1.3.0 以上修掉 CVE-2025-3248;RAGFlow 升到 0.25.0 以上,在沙箱中渲染 template 以緩解 CVE-2026-28797
  • 搜尋設定檔、環境變數、部署腳本、CI/CD pipeline 與資料庫裡的硬編碼金鑰,持續掃描 repo 與容器映像層,一旦找到立刻輪換
  • 幫 Cloudflare 等雲端服務的 API token 設定到期時間與用戶端 IP 限制;檢查帳戶裡是否有命名為 artex-*、artex-pgrecon-*、artex-pgw-*、artex-do-* 的 Worker script

長期架構

  • 把 AI app、model gateway、推論端點當成一般生產系統管理:預設它們的機密會被快速找到,監看異常的用量或支出作為偵測訊號
  • 導入 Protect AI 一類的 AI/ML 資產與弱點掃描工具,持續盤點 shadow AI app 與其暴露面
  • 用 Noma Security 一類工具做 AI app 發現與金鑰/機密治理,避免內部團隊自建的 LiteLLM、Dify 實例變成無人管的暴露面
  • 訂閱 Cisco Talos 的 ARTEX IOC 清單與 Snort 規則(7:76、7:77、7:78),把已知的攻擊端 IP 和行為特徵直接餵進防禦管線

影響範圍

Amazon 團隊通知了可能受影響的 AWS 客戶,但強調誘捕記錄只能看到攻擊者「想做什麼」,無法驗證攻擊者回報的戰果是否全部屬實。記錄涵蓋數百個目標,橫跨 AI app 平台與其他系統。FBI 的 FLASH 警示彙整了至少 11 份更早的報告,指出 ARTEX 自 8 月以來已被用於攻擊多個產業的組織,包括先前造成南韓金融機構約 6.7 萬人個資外洩的事件,以及 ConnectWise 供應鏈入侵。ARTEX 原始開發者在 10 月 8 日因濫用爭議下架了 GitHub repo,但社群 fork、封存版本與一個名為 ARTEX PRO 的商業版仍持續流通,意味著這條攻擊鏈短期內不會消失。

如果你的團隊內部有跑 LiteLLM、Dify 或任何 AI 閘道、AI app 建構平台,即便只是測試用途,也該假設它已經在被自動化掃描——這類平台因為集中管理多個 provider 的 API 金鑰,一旦有一個弱點就會一次性暴露所有上游服務的存取權。

今日收穫

這起事件最讓人在意的不是又一次 CVE 被利用,而是攻擊鏈本身會自我供電:偷到的金鑰直接拿去跑攻擊用的 AI 模型,找到更多金鑰。過去我們談 AI 供應鏈安全多半聚焦在「惡意套件偽裝」,但這次顯示另一條路——合法、常見的 AI 基礎設施(閘道、開發平台)本身就是高價值目標,因為它們天生就是「金鑰的金鑰」,一個管理頁面的弱點能連帶暴露背後所有 provider 的存取權。

參考資料