Para peneliti keamanan siber baru-baru ini membeberkan rincian mengenai serangkaian operasi siber di mana sebuah platform uji penetrasi berbasis agen kecerdasan buatan (agentic AI) yang tengah berkembang bernama AntiFox telah disalahgunakan untuk mengambil kredensial Amazon Web Services (AWS) serta melakukan pergerakan lateral ke berbagai lingkungan jaringan yang telah dibobol.
"Dalam beberapa intrusi siber yang diamati belum lama ini, sejumlah sistem Alibaba Cloud yang meng-host antarmuka platform AntiFox terbukti berkaitan erat dengan tindakan berbahaya yang dikonfirmasi menyasar berbagai layanan web publik serta lingkungan AWS terkait," ungkap Arctic Wolf Labs dalam laporan investigasi teknis yang dibagikan secara eksklusif kepada The Hacker News.
Aktivitas ofensif tersebut terpantau menggabungkan eksploitasi celah keamanan web dan penanaman web shell secara beruntun guna memfasilitasi penemuan konfigurasi, validasi kredensial pengguna, pencacahan mendalam terhadap layanan cloud, akses informasi rahasia, serta manipulasi operasi penyimpanan data digital.
AntiFox, peranti lunak sumber terbuka yang dapat diunduh bebas dari repositori publik GitHub, digambarkan sebagai sebuah sistem uji penetrasi mandiri yang digerakkan oleh kecerdasan buatan. Hingga artikel ini dipublikasikan, proyek sumber terbuka tersebut telah mengalami proses percabangan kode (fork) sebanyak 251 kali dan berhasil mengumpulkan tanda bintang (star) sebanyak 474 kali di komunitas pengembang.
Pada dokumentasi laman README resminya, pengembang utama proyek peranti lunak tersebut menyatakan rincian arsitekturnya sebagai berikut:
Ketika diberikan target penyerangan yang sah, sebuah sistem multi-agen yang terdiri dari elemen perencana (planner), pekerja teknis (worker), serta agen pengendali utama (main-agent) akan mengeksekusi keseluruhan proses penyerangan melalui fondasi inti grafik ganda (sebuah grafik aset global yang komprehensif dipadukan dengan grafik penjelajahan khusus per tugas) — bergerak terstruktur mulai dari tahap pengintaian, pemetaan permukaan serangan, eksekusi eksploitasi sistem, penangkapan temuan kerentanan, hingga penyusunan laporan akhir — seluruhnya berjalan dengan visibilitas penuh, interaktif, dan siap dipresentasikan.
Berbeda secara fundamental dengan kebanyakan alat pengujian penetrasi otomatis konvensional yang kerap kali "sangat mahir dalam tahap penemuan celah, namun terhenti hanya sebatas penemuan saja," platform AntiFox justru memusatkan fokus kekuatannya pada aspek penyelesaian akhir — mengubah segala temuan analisis AI menjadi format laporan komprehensif yang mudah dipahami oleh teknisi, dapat direproduksi ulang, didukung oleh bukti digital yang valid, dan siap diserahkan langsung kepada klien bisnis.
Berdasarkan analisis komprehensif dari tim Arctic Wolf, sebagian dari manuver perolehan akses awal berkaitan langsung dengan peretasan aplikasi Internet Information Services (IIS) yang terekspos ke jaringan internet publik. Hak akses tersebut kemudian dimanfaatkan secara sistematis untuk memproduksi sebuah web shell ASPX melalui proses kerja internal IIS yang dikenal sebagai "w3wp.exe," serta mengeksekusi rentetan instruksi baris perintah pada sistem operasi demi melancarkan tindakan terstruktur berikut:
"Pada server IIS yang berhasil dikompromikan, rentetan perintah sistem yang dijalankan melalui proses w3wp.exe bertugas mengidentifikasi konteks eksekusi identitas menggunakan utilitas whoami, mencacah direktori penyimpanan aplikasi, memverifikasi hak akses pengguna memakai icacls, serta menguji kapabilitas sistem dalam menulis berkas ke direktori utama web root," papar Arctic Wolf.
"Pembuatan berkas web shell ASPX secara langsung oleh w3wp.exe, yang kemudian diikuti oleh eksekusi perintah berkelanjutan lewat proses pekerja IIS yang sama persis, secara meyakinkan mengindikasikan adanya kompromi keamanan awal melalui aplikasi web yang terpengaruh celah tersebut."
Kerentanan spesifik yang dipakai pelaku ancaman guna meraih eksekusi kode berbahaya pada server IIS tersebut sampai saat ini belum berhasil ditentukan secara pasti. Namun dalam skenario penyerangan lainnya, aktor ancaman dilaporkan memulai aksi penyusupan berbekal kredensial AWS yang sah dan masih aktif, yang diperoleh melalui jalur akses yang belum dapat dipastikan sumber asalnya.
Secara rinci, strategi intrusi ini mencakup penyalahgunaan identitas Identity and Access Management (IAM) yang sah untuk menguji keabsahan kredensial sekaligus mencacah puluhan layanan infrastruktur cloud penting, yang mencakup IAM, EC2, S3, Lambda, Secrets Manager, KMS, RDS, ECS, EKS, Redshift, Athena, Glue, Systems Manager, API Gateway, CloudWatch, CloudFormation, DynamoDB, hingga layanan Amazon Bedrock.
Meskipun sebagian besar panggilan Application Programming Interface (API) lintas layanan yang diautentikasi tersebut berujung pada pesan kesalahan "AccessDenied," sejumlah manuver pengintaian aset dan operasi ekstraksi data rahasia dilaporkan berhasil menembus pertahanan sistem, sebagaimana diuraikan oleh perusahaan riset keamanan siber tersebut.
Setidaknya dalam beberapa insiden yang terdokumentasi, aktivitas intrusi tersebut teramati berhasil melangkah lebih jauh melampaui sekadar pencacahan layanan Secrets Manager hingga mengeksekusi permintaan GetSecretValue yang sukses terhadap data rahasia di lingkungan produksi. Di sistem lainnya, kredensial AWS yang sah dipakai untuk melakukan pemetaan direktori S3 dan melancarkan berbagai manipulasi objek data melalui pemanggilan API berkelanjutan.
"Kerangka kerja berbasis agen semacam ini menjadikan metodologi uji penetrasi tingkat lanjut jauh lebih mudah diakses oleh berbagai aktor ancaman, sembari secara dramatis melipatgandakan kecepatan serta konsistensi penerapan taktik-taktik tersebut dalam insiden serangan nyata," tegas pihak Arctic Wolf.
Lonjakan Pemanfaatan Alat Berbasis AI dalam Serangan Siber
Pengungkapan temuan keamanan ini mencuat di tengah tren di mana kelompok pelaku kejahatan siber semakin gencar mempersenjatai peranti uji penetrasi berdaya kecerdasan buatan seperti ARTEX untuk mengorganisir gelombang serangan berskala global, yang memungkinkan mereka mengotomatiskan beragam tahapan penyusupan jaringan dengan intervensi manusia yang sangat minim.
Integrasi mendalam kapabilitas AI telah memberikan peluang bagi pelaku ancaman siber, baik berskala kecil maupun kelompok kejahatan besar, untuk mengadaptasi taktik penyusupan teruji dan mengeksekusinya dalam kecepatan mesin otomatis, sehingga memangkas waktu dari sekadar memindai repositori GitHub demi mencari kredensial bocor hingga mengekstrak data rahasia dari Azure Key Vault hanya dalam durasi lima menit.
Pada awal pekan ini, lembaga VECERT mempublikasikan rincian mendalam perihal operasi kampanye siber bertajuk Operation Ghost-Campus yang diotaki oleh kelompok peretas asal Tiongkok yang mengeksploitasi agen AI demi mengamankan akses gratis tanpa batas ke model bahasa besar (LLM), yang pada akhirnya digunakan untuk menjalankan penipuan akademik terotomatisasi serta mencuri data pribadi milik lebih dari 5.000 mahasiswa yang terdaftar di Kampus Fengxian.
"Agen siber otonom ini mengindustrialisasi proses pendaftaran akun massal pada mesin pencari pemetaan siber fofa.info, memindai ruang siber internasional guna melacak server dengan salah konfigurasi, mengekstrak kunci API OpenAI dan DeepSeek, memverifikasi sisa saldo keuangan secara otomatis, lalu menyuntikkannya langsung ke lingkungan pengembangan milik penyerang," jelas VECERT.
"Daya komputasi curian berkapasitas besar ini dimanfaatkan sebagai bahan bakar terminal interaktif GoTTY (berlabel 'Pi — AI Coding Assistant') dan, melalui perluasan operasinya, memasok kecerdasan komputasi bagi skrip yang menopang bot kecurangan akademik (dikenal sebagai bot 'heartbeat') serta mesin pengekstrak catatan transaksi keuangan dan informasi identitas pribadi (PII) milik ribuan mahasiswa aktif di Kampus Fengxian."
Berdasarkan catatan pemantauan telemetri dari Censys, terdata sebanyak 1.465 host sistem yang secara terbuka menjalankan konsol antarmuka ARTEX per tanggal 4 November 2026, dengan konsentrasi sebaran geografis terbesar berada di Amerika Serikat, Hong Kong, Tiongkok, Jepang, Singapura, dan Korea Selatan. Walaupun demikian, patut dicermati bahwa tidak setiap instans yang terdeteksi di internet secara mutlak digunakan untuk tujuan kejahatan siber.
Dalam laporan penelitian terpisah, divisi riset Check Point Research menyatakan bahwa mereka berhasil mengidentifikasi 2.557 sistem komputer yang meng-host platform ARTEX, termasuk 10 instans yang salah konfigurasi fatal hingga mengekspos keseluruhan basis data internal mereka ke publik.
"Dalam berbagai skenario penyerangan nyata yang kami amati, ARTEX secara mengejutkan hanya membutuhkan interaksi manusia yang amat sedikit setelah sebuah sasaran operasi ditetapkan," papar Check Point. "Ketimbang harus mengarahkan serangan secara manual dari langkah ke langkah berikutnya secara konstan, para operator lapangan kerap kali hanya memberikan instruksi tujuan umum lalu membiarkan armada agen AI bekerja mandiri menuntaskannya. Peran manusia sebagian besar hanya terbatas pada memeriksa kemajuan, menanyakan apakah sasaran telah berhasil ditembus, atau sesekali menyesuaikan kembali prioritas serangan."
Mayoritas mutlak dari pola penyerangan tersebut dirancang secara terarah untuk menguras dompet aset mata uang kripto, mencuri sertifikat penandatanganan kode digital milik Apple, meretas akun game berharga, serta melancarkan agresi penolakan layanan (DoS) terhadap portal web perjudian daring. Aktivitas ofensif ini terpantau secara aktif mengeksploitasi kelemahan keamanan yang bersumber dari penggunaan kata sandi lemah atau tertanam permanen (hard-coded), ketiadaan sistem autentikasi, celah insecure direct object references (IDOR), hingga kerentanan eksekusi kode jarak jauh (RCE).
Pada operasi kampanye kejahatan yang secara spesifik mengincar sertifikat penandatanganan kode milik Apple, agen-agen otonom ARTEX secara agresif menyisir sistem yang terkompromi guna mencari basis data sertifikat, yang kemudian dilanjutkan dengan tahapan validasi sertifikat hasil curian tersebut melalui pemeriksaan kata sandi, kepemilikan kunci privat, status pencabutan resmi di server Apple, tanggal kedaluwarsa dokumen, serta profil provisi yang terhubung.
Pada akhirnya, rangkaian operasi kejahatan tersebut diperkirakan telah sukses memanen lebih dari 300 lembar sertifikat digital beserta kata sandi pendukungnya, di mana tiga sertifikat di antaranya berhasil melewati keseluruhan proses validasi verifikasi dan berada dalam status fungsional penuh untuk menandatangani berkas aplikasi sistem operasi iOS secara sewenang-wenang.
Transformasi paling radikal dan signifikan yang dipicu oleh kemunculan metode peretasan berbasis agen otonom terhadap lanskap ancaman siber global terletak pada faktor skala jangkauan dan akselerasi kecepatan, sebagaimana diperingatkan Check Point, mengingat pelaku kejahatan siber bermodal keahlian teknis terbatas kini sanggup menugaskan armada agen AI untuk menyelidiki rentetan target secara paralel serta mengeksploitasinya berbekal kerentanan umum maupun zero-day tanpa membutuhkan banyak tenaga manual.
"Relevansi ancaman ini bagi sistem pertahanan kita bersandar kuat pada faktor skala sebaran, akselerasi kecepatan, serta kegigihannya yang tiada henti," tegas perwakilan CERT-EU dalam peringatan keamanannya. "ARTEX memiliki kapabilitas menguji konfigurasi keliru berbobot rendah dalam kuantitas masif, termasuk anomali yang mungkin disadari oleh penguji manusia tetapi terlewat karena keterbatasan waktu analisis, serta sanggup mengeksekusi rantai penyerangan yang amat panjang tanpa terhambat oleh faktor kelelahan fisik yang kerap membatasi pengujian manual manusia."
"Kondisi identik juga berlaku pada perancangan muatan kode eksploitasi (payload) yang membutuhkan kerumitan tinggi. Jalur eksploitasi yang menuntut pembuatan payload khusus dan presisi acap kali memakan energi jauh melampaui signifikansi temuan risiko itu sendiri, sehingga pengujian penilaian keamanan manual kerap membiarkannya lolos tanpa diuji secara tuntas."
Alat ofensif mutakhir seperti AntiFox dan ARTEX sejatinya merupakan bagian integral dari kelompok besar yang mencakup setidaknya 45 kerangka kerja penyerangan berbasis agen otonom sumber terbuka yang dirancang khusus agar terhubung langsung dengan model bahasa besar (LLM) serta mampu bertindak mandiri menindaklanjuti setiap output instruksi. Seluruh kerangka kerja tersebut terbagi ke dalam lima kelompok klasifikasi besar:
"Tiap-tiap kerangka kerja memiliki repositori kode sumber yang terbuka untuk umum dan menghubungkan sebuah model AI ke dalam alur pemrosesan tertutup yang menjalankan berbagai alat bantu lalu merespons hasilnya secara otomatis," pungkas GitGuardian dalam tinjauannya.
"Peranti uji penetrasi AI berbasis agen menyerahkan antarmuka shell sistem serta akses web terbuka kepada agen otonomnya, sehingga model AI terkait sanggup menyusun alur rantai eksploitasi secara dinamis saat program berjalan di waktu nyata. Aksi pencarian di GitHub, pengunduhan pemindai kerentanan, hingga pengiriman kunci akses yang ditemukan ke panggilan eksekusi berikutnya kini dapat terlaksana hanya melalui satu instruksi prompt terpadu, sekalipun seluruh komponen tersebut tidak pernah disertakan secara langsung di dalam repositori paket bawaannya."