CyberStrikeAI automatizon sulmet me 44 AI agents
CyberStrikeAI u përdor për t’i ndarë sulmet kibernetike mes 44 artificial intelligence (AI) agents, duke automatizuar punën nga zbulimi i objektivave deri te vjedhja e të dhënave dhe raportimi. TrendAI e identifikoi aktivitetin gjatë ekzaminimit të tri mjediseve të ekspozuara që sulmuesit i kishin përdorur kundër organizatave në Japoni. Këto sisteme përmbanin mjete sulmi, scripts, lista objektivash, rezultate, logs dhe historikë komandash, duke u dhënë studiuesve mundësi të shihnin operacione që shkonin nga ndërhyrjet e kryera drejtpërdrejt deri te fushatat kryesisht të automatizuara.
Operacioni i parë përdori CyberStrikeAI, një penetration testing framework me burim të hapur, domethënë software i synuar për të ndihmuar ekipet e sigurisë të testojnë sistemet për dobësi. Mjeti ishte shfaqur më parë në sulme kundër pajisjeve Fortinet FortiGate. Në tetor 2026, sulmuesit e përdorën për të krijuar një proces të përsëritshëm që mbulonte reconnaissance, zbulimin dhe konfirmimin e cenueshmërive, exploitation, command-and-control (C2), persistence, data exfiltration dhe gjenerimin e raporteve. C2 është kanali i komunikimit përmes të cilit një sulmues drejton sistemet e komprometuara, ndërsa persistence përshkruan metodat për ruajtjen e aksesit pas shkeljes fillestare.
CyberStrikeAI ua caktoi pjesë të ndryshme të operacionit 44 agents dhe mund të prodhonte formularë në japonisht dhe imitime të faqeve të hyrjes. Divizioni i sigurisë për ndërmarrje i Trend Micro tha se të paktën 19 organizata të identifikueshme iu nënshtruan aktivitetit të verifikimit gjatë fushatës së shkurtër, duke përfshirë të paktën 16 në Japoni. Çdo objektiv kishte një raport me format të ngjashëm dhe një koleksion të indeksuar provash, të cilat studiuesit i vlerësuan si rezultat të një workflow të strukturuar e të automatizuar, dhe jo si shënime joformale të krijuara nga një operator i vetëm.
Mjedisi i dytë tregoi një model tjetër: një fushatë të drejtuar nga njeriu, në të cilën një large language model (LLM), software i trajnuar për të interpretuar dhe gjeneruar gjuhë, ndihmoi në planifikim dhe zhvillimin e mjeteve. Sulmuesit vunë në shënjestër edhe platformat e AI workflow dhe inference services, me sa duket duke kërkuar akses në kapacitete të konsiderueshme kompjuterike me kosto të ulët. Një ndërhyrje përfshiu një server geographic information system (GIS), një sistem që përdoret për të menaxhuar informacione të bazuara në vendndodhje, i cili ishte ekspozuar me kredencialet e tij të paracaktuara. Shkelja çoi në vjedhjen e të dhënave kadastrale dhe tregtare, kredencialeve të Windows dhe të dhënave të emailit. Kjo fushatë zgjati 24 ditë gjatë gushtit dhe shtatorit 2026.
Në rastin e tretë, AI kishte një rol më të kufizuar dhe u përdor për të zhvilluar scripts dhe mjete për një operator njerëzor me përvojë. Fushatat vunë në shënjestër pajisje të lidhura drejtpërdrejt me internetin nga Cisco, Citrix, F5 dhe Yamaha, duke shfrytëzuar cenueshmëri të publikuara, funksione menaxhimi ose kredenciale të gjetura në configuration files. TrendAI vlerësoi se operatori kreu të paktën gjashtë fushata mes janarit dhe tetorit 2026, duke kërkuar në mënyrë oportuniste pajisje virtual private network (VPN) dhe serverë WebLogic të ekspozuar. Studiuesit vunë në dukje praktika të konsoliduara automatizimi dhe menaxhimi të provave.
TrendAI nuk gjeti prova se tri mjediset i përkisnin të njëjtit operator. AI models të përdorura në sulme mbeten të panjohura, ashtu si edhe shtrirja e plotë gjeografike. Operatori i parë vuri në shënjestër edhe organizata në Tajvan dhe Hong Kong. Listat e zbulimit nga rasti i tretë përfshinin sisteme WebLogic të lidhura me organizata në Mbretërinë e Bashkuar, Francë, Itali, Katar dhe Kolumbi. Gjetjet tregojnë se AI rriti numrin e sistemeve që sulmuesit mund të vlerësonin dhe ndihmoi në përshtatjen e përmbajtjes me gjuhët lokale, por pikat fillestare të hyrjes mbetën dobësi të njohura, si kredencialet e paracaktuara, shërbimet e ekspozuara të menaxhimit dhe cenueshmëritë e njohura.
Aktivitete të tjera të dokumentuara së fundmi tregojnë një integrim të ngjashëm të agentic AI, ku software mund të planifikojë dhe të kryejë një varg detyrash me ndërhyrje të kufizuar njerëzore. Digital Defense Report 2026 i Microsoft tha se intervali mesatar nga zbulimi i një cenueshmërie deri te weaponization kishte rënë shumë poshtë 24 orëve. Raporti ia atribuoi këtë përshpejtim kërkimit të ndihmuar nga AI, vendimeve të automatizuara dhe zhvillimit më të shpejtë të metodave funksionale të sulmit. Threat actors kanë filluar gjithashtu të tregtojnë session tokens të vjedhura nga ofruesit e AI dhe mjete offensive me emrat APEX AI, MessiahGPT dhe DarkGPT.
I njëjti model ka arritur edhe te sulmet ndaj faqeve të internetit. Palo Alto Networks Unit 42 raportoi se një operator i motivuar financiarisht, i quajtur BUGSTER, konfiguroi Hermes Agent framework me DeepSeek V4 dhe Cursor, me kontrollet e sigurisë të çaktivizuara, për një fushatë WordPress brute-force kundër faqes së internetit të një universiteti indian. Operacioni gjeneroi gjithashtu një raport për REST API enumeration. Një universitet i dytë publik indian humbi një database që përmbante më shumë se 5,200 records, duke përfshirë personally identifiable information të studentëve. Një objektiv i tretë, një faqe indiane e-commerce, u ekzaminua për një storefront API token, adresa emaili të administratorëve, numra telefoni dhe payment merchant IDs.
Fushata të mëtejshme tregojnë sa të larmishme janë bërë këto workflows. CyberCartel përdori një sistem me katër models, të quajtur CARLIY0S, kundër bankave dhe ofruesve të pagesave në Amerikën Latine. Një tjetër offensive agent ishte projektuar për të marrë nën kontroll AI endpoints të ekspozuara dhe për të kryer deri në 100,000 hapa pa miratim njerëzor, duke përdorur 74 mjete për të gjetur objektiva, për të vendosur cryptocurrency miners dhe për t’u rikthyer te hosts e komprometuar. Një affiliate i operacionit ransomware The Gentlemen përdori Anthropic Claude Code gjatë ndërhyrjeve në të paktën gjashtë organizata në fund të qershorit 2026, duke e përdorur edhe për reconnaissance, komanda exploitation, scripts keqdashëse dhe ndryshime në firewall.
Studiuesit dokumentuan gjithashtu mjetin auto_scan të Zerofot, i cili ndërthurte OpenAI Codex dhe Claude Code për të mbledhur mijëra API keys dhe tokens nga hosts të ekspozuar. Një Python framework i gjeneruar nga AI, i quajtur RAGE, vuri në shënjestër shërbime që përfshinin Redis, Elasticsearch, Docker, Apache Tomcat, Jenkins, Hadoop YARN, Confluence dhe Supervisord, me aftësi për exploitation, kapjen e kredencialeve dhe cryptocurrency mining. Hunt.io raportoi veçmas një fushatë të ndihmuar nga AI kundër serverëve PaperCut NG/MF, e cila komprometoi qindra instances dhe vazhdoi me mbledhjen e kredencialeve, lëvizjen brenda rrjetit dhe post-exploitation të automatizuar.
Për pronarët e faqeve të internetit dhe ekipet e IT, reagimi i menjëhershëm nuk është kërkimi i një kategorie të veçantë sulmesh me AI, por mbyllja e të njëjtave pika hyrëse që këto sisteme të automatizuara po testojnë me shpejtësi më të madhe. Fjalëkalimet e paracaktuara duhet të zëvendësohen, software dhe pajisjet e lidhura drejtpërdrejt me internetin duhet të përditësohen menjëherë, management interfaces të panevojshme duhet të hiqen nga aksesi publik dhe aktiviteti i pazakontë i authentication ose transferimit të të dhënave duhet të hetohet. AEU-I ofron IT, infrastrukturë dhe konsulencë me sigurinë si përparësi për organizatat që kanë nevojë për mbështetje në menaxhimin e këtyre fushave.
Rreziku kryesor është shkalla. Këto raste nuk vërtetojnë se AI krijoi kategori të reja cenueshmërish dhe studiuesit nuk identifikuan një operator të përbashkët apo models e përfshira.