Pakar keamanan siber telah memaparkan rincian mengenai sebuah operasi siber terorganisir di mana sebuah kerangka kerja uji penetrasi berbasis kecerdasan buatan otonom (agentic penetration testing platform) bernama AntiFox dimanfaatkan untuk mencuri kredensial milik Amazon Web Services (AWS) serta melakukan pergerakan lateral (pivot laterally) ke dalam lingkungan cloud internal yang berhasil dibobol.
"Dalam serangkaian aktivitas intrusi yang terpantau belum lama ini, sejumlah infrastruktur Alibaba Cloud yang menjalankan antarmuka kontrol AntiFox terbukti berkaitan erat dengan aksi penyerangan terkonfirmasi terhadap layanan situs web publik serta kluster lingkungan AWS yang terhubung dengannya," ungkap tim peneliti Arctic Wolf Labs dalam laporan teknis yang dibagikan secara eksklusif kepada The Hacker News.
Aktivitas kejahatan digital ini terpantau merangkai teknik eksploitasi web server dan penanaman skrip backdoor berupa web shell guna mendukung identifikasi konfigurasi, validasi data login, pemindaian layanan komputasi awan secara luas, pembobolan kunci rahasia, serta manipulasi media penyimpanan berkas.
Platform AntiFox, yang dapat diunduh bebas melalui repositori publik GitHub, dideskripsikan oleh penciptanya sebagai kerangka uji penetrasi otonom bertenaga artificial intelligence (AI). Berdasarkan catatan terakhir saat laporan disusun, proyek sumber terbuka ini tercatat telah melalui proses forking sebanyak 251 kali dan mengumpulkan tanda bintang (starred) sebanyak 474 kali dari pengguna global.
Pada berkas dokumentasi resmi README di platform tersebut, penanggung jawab utama proyek menguraikan spesifikasinya sebagai berikut –
Ketika diberikan entitas target resmi yang telah disetujui, rangkaian arsitektur multi-agen cerdas yang terdiri dari elemen planner / worker / main-agent akan mengeksekusi keseluruhan proses penyerangan secara penuh di atas fondasi sistem dual-graph core (yakni kombinasi global asset graph dan per-task exploration graph) — dimulai dari tahapan recon (pengintaian), attack-surface discovery (pemetaan bidang serangan), exploitation (eksploitasi celah), finding capture (pengumpulan bukti temuan), hingga report delivery (penyusunan laporan akhir) — yang seluruhnya beroperasi secara transparan, interaktif, dan siap dipresentasikan.
Berseberangan dengan sebagian besar perangkat otomasi uji penetrasi konvensional yang kerap kali dinilai "unggul dalam memetakan titik kelemahan, namun berhenti sebatas penemuan belaka," AntiFox sengaja memusatkan fokus kekuatannya pada aspek delivery — yaitu mengolah segala hal mentah yang diidentifikasi oleh sistem AI menjadi dokumen laporan komprehensif yang mudah dipahami oleh insinyur teknis, gampang direproduksi ulang tahapannya, dilengkapi bukti forensik digital valid, serta layak diserahkan langsung ke hadapan pihak klien.
Mengacu pada temuan Arctic Wolf Labs, sebagian dari metode akses awal (initial access) yang terdeteksi bersumber dari pembobolan sebuah aplikasi Microsoft Internet Information Services (IIS) yang terekspos langsung ke jaringan internet publik. Hak akses yang didapatkan pelaku tersebut kemudian dimanfaatkan secara agresif untuk menyuntikkan dan menciptakan berkas ASPX web shell memakai proses kerja bawaan sistem yakni "w3wp.exe" (IIS worker process), lalu memicu rentetan eksekusi perintah sistem operasi lokal untuk mengeksekusi tahapan instruksi berikut –
"Di dalam lingkungan server IIS yang telah berhasil ditusuk, serangkaian baris perintah yang dieksekusi melalui perantara w3wp.exe berupaya membaca status konteks eksekusi identitas menggunakan instruksi whoami, membedah susunan direktori internal aplikasi, mengecek tingkat perizinan file melalui utilitas icacls, serta menguji ketahanan sistem untuk menulis berkas baru langsung ke direktori akar web root," papar Arctic Wolf Labs dalam uraiannya.
"Proses kompilasi dan pembuatan file ASPX web shell oleh w3wp.exe, yang kemudian secara cepat disusul dengan eksekusi rentetan perintah menggunakan proses pekerja IIS yang persis sama, mengindikasikan secara nyata bahwa penetrasi awal sukses dilakukan melalui eksploitasi aplikasi web yang rentan tersebut."
Rincian celah keamanan siber spesifik yang diperalat untuk meraih eksekusi kode acak (code execution) pada mesin server IIS tersebut hingga saat ini belum diketahui secara pasti. Sementara itu pada insiden di tempat lain, kelompok aktor ancaman siber dilaporkan mengawali manuver agresif mereka berbekal kredensial sah AWS yang sebelumnya telah dirampas melalui saluran atau cara yang belum dapat teridentifikasi secara jelas.
Secara rinci, pola serangan siber ini melibatkan penyalahgunaan identitas sah Identity and Access Management (IAM) milik korban guna memvalidasi data otentikasi serta melakukan pemindaian inventarisasi menyeluruh terhadap lusinan kluster layanan, yang mencakup IAM, EC2, S3, Lambda, Secrets Manager, KMS, RDS, ECS, EKS, Redshift, Athena, Glue, Systems Manager, API Gateway, CloudWatch, CloudFormation, DynamoDB, sampai Amazon Bedrock.
Meskipun mayoritas panggilan API lintas layanan terotentikasi yang diluncurkan penyerang tersebut berujung pada penolakan hak akses dengan peringatan "AccessDenied", sejumlah aksi pencarian aset dan pembacaan kunci data rahasia berhasil ditembus dengan lancar, sebagaimana ditegaskan oleh perusahaan keamanan siber tersebut.
Pada sejumlah insiden terkonfirmasi, jejak aksi berbahaya terpantau terus merangsek melampaui tahapan pembacaan katalog Secrets Manager hingga sukses menerbitkan instruksi panggilan GetSecretValue terhadap kunci rahasia pada server produksi (production secret). Di lokasi infrastruktur lain, akun identitas resmi AWS dieksploitasi untuk memetakan isi direktori bucket S3 serta melancarkan modifikasi dan pengunduhan berkas objek melalui deretan panggilan API langsung.
"Kerangka kerja cerdas berkonsep agentic seperti ini secara signifikan memangkas hambatan teknis sehingga teknik pengujian penetrasi canggih kini jauh lebih gampang diadopsi oleh aktor ancaman, sekaligus melipatgandakan kecepatan gerak serta keseragaman pola saat teknik-teknik peretasan tersebut dipraktikkan langsung dalam serangan di dunia nyata," tegas pihak Arctic Wolf Labs.
Gelombang Pemanfaatan Perangkat AI dalam Serangan Kejahatan Siber
Pengungkapan kasus AntiFox ini mencuat di tengah maraknya pergeseran tren di mana kelompok peretas semakin sering memersenjatai platform uji penetrasi otonom berbasis AI seperti ARTEX guna mengorkestrasi serangan berskala masif ke berbagai penjuru dunia, yang memampukan mereka menjalankan ragam fase intrusi siber secara mandiri dengan keterlibatan tangan manusia yang amat minimal.
Integrasi teknologi AI modern ini telah memfasilitasi kelompok peretas, baik sel kriminal kecil maupun sindikat berskala besar, untuk mengadaptasi taktik serangan konvensional yang sudah mapan lalu melancarkannya dalam kecepatan mesin komputasi (machine speed). Alhasil, penyerang kini sanggup menyelesaikan rangkaian alur mulai dari memindai kunci rahasia di repositori GitHub hingga menyedot dan mengekfiltrasi data sensitif dari Azure Key Vault hanya dalam tempo lima menit saja.
Pada awal pekan ini, lembaga VECERT merilis investigasi mendalam terkait operasi siber bertajuk Operation Ghost-Campus yang diotaki oleh kelompok peretas asal Tiongkok. Kelompok tersebut memanfaatkan agen AI untuk mempertahankan akses tanpa batas dan tanpa biaya ke model bahasa besar (LLMs), yang ujungnya digunakan memfasilitasi penipuan akademik otomatis serta menggondol data pribadi milik lebih dari 5.000 mahasiswa yang menempuh pendidikan di Kampus Fengxian.
"Agen cerdas ini mengotomatisasi pembuatan akun dalam skala industri pada platform mesin pencari fofa.info, memindai jaringan siber global demi menemukan server yang salah konfigurasi, meraup kunci API milik OpenAI dan DeepSeek, mengecek saldo kuota keuangan akun curian secara instan, lantas menyuntikkannya langsung ke dalam lingkungan pengembangan milik si peretas," urai VECERT.
"Daya komputasi hasil rampasan ini kemudian dipakai menggerakkan terminal interaktif GoTTY bertajuk (‘Pi — AI Coding Assistant’) dan pada akhirnya menyalurkan kecerdasan pemrosesan kepada skrip bot penipuan tugas akademik (‘heartbeat’ bots) serta alat penyedot data finansial dan informasi identitas pribadi (PII) milik ribuan mahasiswa yang tercatat di Kampus Fengxian."
Berdasarkan rekaman data dari platform Censys, terdapat setidaknya 1.465 mesin host yang membiarkan konsol interaktif ARTEX terbuka ke internet per 4 November 2026, dengan persebaran konsentrasi terbanyak berlokasi di Amerika Serikat, Hong Kong, Tiongkok, Jepang, Singapura, dan Korea Selatan. Walaupun demikian, patut digarisbawahi bahwa tidak semua panel yang terpantau aktif tersebut serta-merta difungsikan untuk tujuan kejahatan kriminal.
Dalam laporan penelitian terpisah, tim Check Point Research memaparkan bahwa mereka berhasil melacak 2.557 instalasi sistem yang memasang kerangka kerja ARTEX, di mana 10 mesin di antaranya terpasang dengan konfigurasi keliru hingga memperlihatkan pangkalan data (database) internal mereka secara utuh tanpa proteksi sandi.
"Dalam banyak rekaman kasus di lapangan, kerangka kerja ARTEX terbukti hanya memerlukan sedikit sekali arahan intervensi langsung dari operator manusianya begitu sasaran utama telah ditentukan," papar Check Point Research. "Alih-alih repot mengarahkan manuver serangan secara manual langkah demi langkah tanpa henti, para peretas biasanya hanya perlu menetapkan satu target akhir lalu membiarkan armada agen cerdas bekerja bahu-membahu mencapainya. Campur tangan manusia secara umum sebatas memantau grafik perkembangan, melontarkan pertanyaan apakah target berhasil dikuasai, atau sesekali mengubah prioritas serangan."
Mayoritas mutlak dari gelombang serangan tersebut dirancang untuk menguras simpanan dompet mata uang kripto (cryptocurrency), merampok sertifikat digital penandatangan kode Apple (Apple code-signing certificates), membajak akun-akun game daring ternama, serta meluncurkan rentetan serangan penolakan layanan (Denial-of-Service/DoS) yang melumpuhkan situs-situs judi online. Aksi eksploitasi ini terpantau menyasar celah keamanan umum seperti kata sandi lemah atau yang ditanam permanen dalam kode (hard-coded passwords), ketiadaan sistem verifikasi otentikasi, celah Insecure Direct Object References (IDOR), hingga kerentanan eksekusi kode jarak jauh (Remote Code Execution/RCE).
Dalam sebuah kampanye peretasan terarah yang memburu sertifikat penandatangan kode aplikasi Apple, armada agen ARTEX secara mandiri menggeledah pangkalan data sertifikat pada mesin yang terinfeksi, kemudian melanjutkan validasi keaslian sertifikat curian itu dengan menguji kata sandi, mengekstrak kunci privat, memeriksa status pencabutan lisensi resmi ke server Apple, memeriksa batas kedaluwarsa, hingga mengevaluasi profil provisi (provisioning profiles) terkait.
Pada akhirnya, rentetan operasi siber terstruktur tersebut diperkirakan berhasil mengumpulkan lebih dari 300 lembar sertifikat digital berserta seluruh sandi rahasianya, di mana tiga sertifikat di antaranya sukses menembus verifikasi penuh dan dapat dipergunakan oleh peretas guna menandatangani berkas aplikasi iOS jahat tanpa hambatan keamanan sistem operasi.
Transformasi paling mendasar yang disuntikkan oleh model peretasan otonom berbasis agen ke dalam peta lanskap ancaman siber global adalah dimensi skala sebaran serta kecepatan akselerasi serangannya, demikian peringatan Check Point Research. Pasalnya, seorang pelaku kejahatan siber yang minim wawasan teknis kini sanggup menugaskan armada agen AI untuk membedah puluhan target secara simultan dan mengeksploitasi sasaran menggunakan katalog kerentanan yang sudah ada maupun celah zero-day dengan tenaga manual yang sangat minim.
"Urgensi dan relevansi ancaman ini bagi kita berpijak pada aspek volume skala, kecepatan laju, dan ketahanan persistensinya," sebut tim tanggap darurat siber CERT-EU dalam peringatan resminya. "ARTEX sanggup menguji konfigurasi keliru berintensitas rendah dalam jumlah masif secara cepat, termasuk celah-celah kecil yang sebenarnya disadari penguji manusia namun sering kali dilewati lantaran keterbatasan waktu audit. Kerangka ini mampu menuntaskan alur rantai serangan yang panjang tanpa mengalami kelelahan mental yang membatasi kinerja manusia."
"Kondisi serupa berlaku pada penyusunan payload eksploitasi rumit. Jalur peretasan yang menuntut racikan muatan kode spesifik sering kali menyedot usaha dan waktu yang lebih besar dibanding nilai temuan risikonya, sehingga proses penilaian manual sering kali membiarkan titik-titik tersebut tidak teruji secara tuntas."
Instrumen serang seperti AntiFox dan ARTEX hanyalah bagian dari himpunan lebih luas yang mencakup kurang lebih 45 kerangka kerja penyerangan cerdas sumber terbuka (agentic attack frameworks) yang dirancang khusus untuk tersambung ke antarmuka model bahasa besar (LLM) serta sanggup mengeksekusi instruksi dari respons keluaran model secara mandiri. Keseluruhan kerangka kerja ini secara umum terbagi ke dalam lima rumpun klasifikasi utama –
"Setiap kerangka kerja memiliki repositori kode terbuka dan mengintegrasikan model kecerdasan buatan ke dalam siklus berulang (loop) yang secara otonom menggerakkan perangkat bantu lalu bereaksi seketika terhadap hasil luarannya," jelas tim riset GitGuardian.
"Perangkat uji penetrasi berbasis AI agentic ini membekali agen mereka dengan akses antarmuka konsol shell serta konektivitas web terbuka, sehingga model bahasa dapat merakit seluruh rantai kerja perangkat lunak (pipeline) secara dinamis tepat saat program dijalankan. Aktivitas pencarian aset di GitHub, pengunduhan skrip pemindai celah, hingga penyerahan kunci kredensial yang baru saja ditemukan menuju instruksi eksekusi berikutnya kini dapat diselesaikan hanya melalui satu rangsangan perintah prompt, kendati modul-modul utilitas tersebut sedari awal sama sekali tidak disertakan di dalam paket repositori aplikasi aslinya."
