Kampagne mit LLM und ARTEX greift südkoreanische Finanzinstitute und Exfilterdaten an

Sicherheitsforscher haben eine Kampagne gegen südkoreanische Finanzinstitute unter Verwendung von sprachegesteuerten Angriffswerkzeugen zur Automatisierung von Intrusionen und Datenextraktion dokumentiert. Die von CrowdStrike veröffentlichten Ergebnisse weisen auf einen aktiven Betrieb von Ende September bis Anfang Oktober 2026 hin, der mit der Exfiltration von Informationen endete.. Die Forschung entdeckte digitale Artefakte (Claude Code Session Stories, Claude Memory-Dateien und ARTEX-Konfigurationen) in offenen Verzeichnissen, die in einer Hong Kong-basierten IP-Adresse gehostet wurden, die die Rekonstruktion von Teilen der verwendeten Infrastruktur und Methodik ermöglichten.

In technischer Hinsicht zeigte die Kampagne die Verwendung von ARTEX, einem multiagenten "agenic" Penetration Testsystem, das von Herbst-27 entwickelt wurde und ursprünglich für eine genehmigte Sicherheitsbewertung konzipiert wurde. Laut CrowdStrike verschlagwortete die beteiligte Instanz als Kern ein DeepSeek v4.1-flash Modell und Zubehör wie GLM-5.3 (Z.ai) und Gook 4.6 (SpaceXAI). Es gibt Hinweise, dass der Schauspieler DeepSeek durch einen API-Reseller (mögliche Domain genannt als "xcai [.] pro"). Die beobachtete Architektur hatte mindestens zwei Server: einen in Hongkong (IP 38.244.50 [.] 120), der als Rückgrat des Angriffs fungierte und die ARTEX-Instanz für die Operationen gegen die südkoreanischen Ziele beherbergte.

Konfirmierte Fakten: CrowdStrike hat veröffentlicht, dass es offene Verzeichnisse mit Claude-Sitzungen und ARTEX-Konfigurationsdateien in der identifizierten IP gefunden hat; die Kampagne konzentrierte sich auf die Bemühungen der südkoreanischen Finanzorganisationen und existierte Datenexfiltration; ARTEX war Teil der verwendeten Plattform und Herbst-27 hat beschlossen, ARTEX nach der Erkennung seines Missbrauchs zu schließen. Darüber hinaus wurden ähnliche Automatisierungswerkzeuge mit LLMs bei anderen von externen Forschern dokumentierten kriminellen Operationen wie der von ZenoX beschriebenen massiven Rechenplattform beobachtet.

Schätzungen und zu bestätigende Elemente: Die vollständige Zuschreibung ist nicht festgelegt: Obwohl der Text- und Sprachnachweis einen gewinnbringenden chinesischen Sprachoperator vorschlägt, weist CrowdStrike die Operation nicht einer bekannten Gruppe zu. Die genaue Beziehung zwischen dem oben genannten API-Reseller und der Modelllieferkette wird nicht zu 100% bestätigt und einige Sitzungen enthalten personenbezogene Daten, die dem Betreiber gehören könnten, aber dies kann noch nicht abschließend überprüft werden.

Die Mechanik des Angriffs vereint mehrere Komponenten: Erstens koordinieren LLM-Agenten die Erkennung und Entdeckung von Angriffsflächen (wo es Authentifizierungspunkte, verletzliche Endpunkte oder wiederverwendbare Anmeldeinformationen gibt). Dann erzeugen und adaptieren Agenten Payloads oder Automatisierungsskripte, um identifizierte Fragmente auszunutzen, und schließlich orchestrieren Datenexfiltration - alles mit einem hohen Grad an Autonomie. Im Parallelbetrieb, den ZenoX untersuchte (Plattform SCARLET LOOP), wurde der komplette automatisierte Zyklus beobachtet: Entdeckung von Zielen, Erlangung von Anmeldeinformationen von Info-Stealern Lecks oder Logs, automatisierte Ausführung der frühen Sitzung mit instrumentierten Browsern und Berichterstattung von gültigen Anmeldeinformationen zu privaten Kanälen (z.B. Telegram). Dieser Bericht dokumentierte Hunderte von Milliarden von Versuchen und Tausenden von gültigen Konten, die die Skala illustrieren, die Automatisierung mit LLMs ermöglicht.

Wer beeinflusst das? Insbesondere Finanzorganisationen, Plattformen mit hohem Geldwert (Reward Programme, Geschenkkarten, Corporate Wallets) und Nutzer, deren Anmeldeinformationen gefiltert oder wiederverwendet werden. Die Kombination von Smart Bots und Anmelde-Basis verstärkt die Wirksamkeit von Angriffen wie Anmelde-Stopfen und Rechenschaftspflicht und erleichtert den Datenabsatz in heimischen Märkten. Darüber hinaus zeigt die Exposition von Sitzungen und Konfigurationen auf offenen Servern zusätzliche Risiken: operatives Informationsleck, LLM-Zugangsrouten und Angriffsklettern.

Reale Folgen: erhöhte Rechenschaftspflicht, Diebstahl von Geldern oder Nutzen, Verlust von persönlichen und kommerziellen Daten und Eskalation von automatisierten Angriffen, die Skalenreaktionen von Sicherheitsteams erfordern. Mittelfristig kann die öffentliche Zugänglichkeit von alternierenden Strafrahmen und die Existenz von APis LLM-Resellern die technische Barriere für weniger anspruchsvolle Akteure deutlich reduzieren.

Besondere Maßnahmen von Sicherheitsbeamten: zuerst eine aktive Jagd auf die Suche nach Indikatoren, die mit dieser Kampagne verbunden sind: ungewöhnliche Verbindungen zu IP 38.244.50 [.] 120 und zu LLMs-Reseller-Diensten, exponierte Agent-Konfigurationsdateien, Threads oder Claude-Sitzungen in öffentlichen Repositorien und Spitzen automatisierter Zugriffsversuche. Bewerben Sie Egress-Filterung, um verdächtige Domains und Endpunkte zu blockieren und den Zugriff auf APIs-Modelle durch Whitelisting und starke Authentifizierung einzuschränken. In der Anwendungsschicht stellen Verteidigungen gegen Credental-Stopfung bereit: robuste MFA (ideal FIDO2 / Passwörter), implementieren Rate Begrenzung und Erkennung von Geschwindigkeit / Form, validieren Browser-Prints und menschliches Verhalten, und verwenden Ruf-Scores für Login. Für Entwicklungs- und Testumgebungen, Audits und Einschränkungen interner Penalizing-Tools: stellen Sie sicher, dass ARTEX oder ähnliche Instanzen nur in kontrollierten Umgebungen laufen und dass ihre Konfigurationen niemals öffentlichen Verzeichnissen ausgesetzt sind.

Zusätzliche betriebliche Empfehlungen: Drehen Sie API-Tasten, die möglicherweise beeinträchtigt wurden, überprüfen Sie Exfiltrationsprotokolle und anormale Aktivität (sensitive Datenlesespitzen) und koordinieren Sie mit LLM-Anbietern, um unregelmäßige Anwendungen zu blockieren. Der Austausch von Indikatoren mit Antwortgemeinschaften und lokalen Behörden hilft, die Umverteilung von Anmeldeinformationen und den Verkauf von Daten zu drosseln. Für Endbenutzer, aktivieren Sie MFA, verwenden Sie keine Passwörter und überwachen Benachrichtigungen über ungewöhnlichen Zugriff; bei Verdacht ändern Sie Anmeldeinformationen und melden Sie unbefugten Zugriff.

Es ist wichtig, legitime Innovationen in Sicherheitstests von kriminellen Missbrauch zu unterscheiden: Herbst-27 hat bekannt gegeben, dass es ARTEX im Angesicht des gemeldeten Missbrauchs in Schließung bringen wird, und das zeigt ein größeres Dilemma im agentischen Werkzeug-Ökosystem. Defender sollten die Annahme von technischen Kontrollen (APIs-Beschränkung, Egress-Monitoring, Browser-Automatisierungserkennung) und organisatorische (IA-Tool-Nutzung und Transparenzrichtlinien in Lieferanten) beschleunigen, um eine Welle von Angriffen, die durch LLMs verbessert werden, zu mildern.

Um der Untersuchung zu folgen und einen zusätzlichen Kontext zu den technischen Berichten zu erhalten, können Sie die Abdeckung der Firma sehen, die den Fall veröffentlichte und spezialisierte Presse: CrowdStrike - Blog und Analyse und The Hacker News sie haben ähnliche Operationen erfasst. Da es offene Fragen zu der Zuschreibung und dem Gesamtumfang des Schadens gibt, müssen die betroffenen Organisationen davon ausgehen, dass die Bedrohung dauerhaft ist und sofortige und nachvollziehbare Verteidigungsmaßnahmen ergreifen.