ARTEX: Vom legitimen Penetration Testing zum Werkzeug für Cyberangriffe

Check Point Research analysiert die KI-gestützte Penetration-Testing-Plattform ARTEX und zeigt, wie Cyberkriminelle autonome Agenten für reale Angriffe einsetzen. Mehr als 2.500 identifizierte Installationen und Hunderttausende automatisierte Agentenaktionen verdeutlichen das Potenzial dieser Technologie. Die Untersuchung liefert seltene Einblicke in eine neue Generation von Cyberattacken, bei denen Menschen zunehmend nur noch die Angriffsziele vorgeben.

Cyberangriffe verändern sich grundlegend: Statt einzelne Angriffsschritte manuell auszuführen, können Kriminelle inzwischen autonome KI-Agenten mit der Suche nach Schwachstellen und der Kompromittierung von Systemen beauftragen. Eine Untersuchung von Check Point Research (CPR) zeigt, wie weit diese Entwicklung bereits fortgeschritten ist und welche Rolle die KI-Penetration-Testing-Plattform ARTEX dabei spielt. Die Erkenntnisse verdeutlichen, dass Cyberkriminelle zunehmend von ausführenden Akteuren zu Auftraggebern automatisierter Angriffskampagnen werden.

Die Sicherheitsforscher identifizierten insgesamt 2.557 Systeme, auf denen ARTEX-Panels betrieben wurden oder noch betrieben werden. Davon waren zum Zeitpunkt der Untersuchung 1.608 Instanzen aktiv und öffentlich über das Internet erreichbar.

Die tatsächliche Verbreitung dürfte höher liegen. Zahlreiche Installationen befinden sich vermutlich hinter Firewalls oder innerhalb lokaler Netzwerke und sind deshalb von außen nicht sichtbar.

Besonders aufschlussreich waren zehn falsch konfigurierte ARTEX-Instanzen, deren Datenbanken vollständig zugänglich waren. Sie ermöglichten den Forschern einen ungewöhnlich detaillierten Einblick in die Arbeitsweise der Angreifer: von den eingesetzten KI-Modellen über konkrete Anweisungen bis hin zu den Aktionen, die autonome Agenten ohne weitere menschliche Unterstützung ausführten.

ARTEX: Vom legitimen Penetration Testing zum Werkzeug für Cyberangriffe

ARTEX wurde ursprünglich als Open-Source-Plattform entwickelt, um Sicherheitsteams bei autorisierten Penetrationstests zu unterstützen. Die Technologie verbindet Large Language Models (LLMs) mit mehreren spezialisierten KI-Agenten. Diese können Sicherheitsprüfungen planen, Tools ausführen, Schwachstellen analysieren und Ergebnisse dokumentieren. Damit lassen sich Aufgaben automatisieren, die bislang erhebliche manuelle Arbeit durch erfahrene Penetrationstester erforderten.

Allerdings bleibt diese Technologie nicht auf legitime Sicherheitsprüfungen beschränkt.

Nachdem ARTEX bei Angriffen auf südkoreanische Banken beobachtet worden war, stellte der Entwickler das ursprüngliche Projekt auf Closed Source um. Dennoch blieb die Plattform durch gepflegte Forks und vorhandene Backups weiterhin verfügbar. Die Analyse von Check Point Research macht deutlich, wie einfach sich ursprünglich für defensive Zwecke entwickelte KI-Technologien für offensive Operationen zweckentfremden lassen.

Mehr als 1.600 öffentlich erreichbare ARTEX-Instanzen

Die von CPR identifizierten Installationen zeigen, dass ARTEX bereits über eine erhebliche internationale Verbreitung verfügt. Von den 1.608 aktiven und öffentlich zugänglichen ARTEX-Servern befanden sich:

• 882 Instanzen (54 Prozent) in den USA
• 295 Instanzen (18 Prozent) in Hongkong
• 103 Instanzen (6 Prozent) in China

Diese Zahlen beschreiben die Hosting-Standorte der identifizierten ARTEX-Infrastruktur. Rückschlüsse auf die geografische Herkunft der Angreifer oder die Verteilung ihrer Opfer lassen sich daraus nicht unmittelbar ableiten. Die zehn offen zugänglichen Datenbanken lieferten den Sicherheitsforschern darüber hinaus konkrete Informationen über die Konfiguration der Plattform, die eingesetzten Sprachmodelle und das Verhalten der Agenten während realer Angriffskampagnen.

Autonome Cyberangriffe: Der Mensch definiert nur noch das Ziel

Eine der wichtigsten Erkenntnisse der Untersuchung betrifft den hohen Automatisierungsgrad. Bei zahlreichen beobachteten Angriffen mussten die Betreiber lediglich ein übergeordnetes Ziel festlegen. Anschließend übernahmen KI-Agenten weitgehend selbstständig die technische Umsetzung. Dazu gehörten die Aufklärung potenzieller Ziele, die Identifizierung von Schwachstellen, die Auswahl geeigneter Angriffsmethoden und die Durchführung von Exploit-Versuchen.

Menschliche Eingriffe beschränkten sich häufig darauf, den Fortschritt zu kontrollieren, Rückfragen zum Status zu stellen oder gelegentlich Prioritäten anzupassen. Wie weit diese Autonomie bereits reicht, zeigt eine von CPR untersuchte Angriffskampagne gegen Kryptowährungsdienste.

Nach der ursprünglichen Festlegung der Ziele waren keine weiteren Eingaben durch den Betreiber erforderlich.

Diese Zahlen verdeutlichen einen grundlegenden Wandel: Ein einzelner Angreifer kann mithilfe autonomer Agenten umfangreiche technische Operationen durchführen lassen, ohne jeden einzelnen Schritt selbst planen oder ausführen zu müssen. Damit verändert sich nicht nur die Geschwindigkeit von Cyberangriffen. Auch die Anforderungen an die technischen Fähigkeiten der Angreifer könnten langfristig sinken.

Chinesische KI-Modelle dominieren die untersuchten ARTEX-Instanzen

Ein weiterer Schwerpunkt der Untersuchung war die Frage, welche KI-Modelle Cyberkriminelle für ihre Operationen einsetzen. Bei den zehn analysierten ARTEX-Instanzen dominierten chinesische Sprachmodelle. Besonders häufig kamen Modelle aus der DeepSeek-Flash-Familie zum Einsatz. Auf drei Instanzen waren Modelle amerikanischer Anbieter konfiguriert.

Die Forscher beobachteten außerdem einen Fall, in dem Sicherheitsmechanismen bei der Verwendung von Anthropics Modell Opus 5.5 aktiviert wurden. Anschließend wechselte der Betreiber auf chinesische Modelle mit weniger restriktiven Schutzmechanismen. Das Verhalten zeigt, dass Cyberkriminelle KI-Modelle zunehmend nach operativen Kriterien auswählen. Neben der Leistungsfähigkeit spielen insbesondere die Kosten, die Verfügbarkeit und mögliche Einschränkungen durch integrierte Sicherheitsmechanismen eine Rolle.

Die Auswahl eines bestimmten Modells kann damit unmittelbaren Einfluss auf den Ablauf einer automatisierten Angriffskampagne haben. Allerdings lässt sich aus der begrenzten Zahl untersuchter Instanzen keine allgemeingültige Aussage darüber ableiten, welche KI-Modelle weltweit am häufigsten für Cyberangriffe eingesetzt werden.

Kryptowährungen, Zahlungsdienste und Glücksspielplattformen im Visier

Die von Check Point Research beobachteten ARTEX-Kampagnen waren überwiegend opportunistisch und finanziell motiviert.

Die Angreifer konzentrierten sich nicht ausschließlich auf einzelne Unternehmen, sondern suchten in unterschiedlichen Branchen nach verwertbaren Schwachstellen.

Zu den identifizierten Zielbereichen gehörten:

• Kryptowährungsplattformen und Anbieter digitaler Vermögenswerte
• Online-Glücksspielplattformen, Spielautomaten und Kartenspielangebote
• Zahlungsdienstleister und Krypto-Zahlungsinfrastrukturen
• Außerbörsliche Handelsplattformen und Verwahrungsdienste für Kryptowährungen
• Anbieter von Signaturdiensten für iOS-Anwendungen außerhalb regulärer Vertriebswege

Die Ziele reichten vom Diebstahl digitaler Vermögenswerte und Code-Signing-Zertifikate über die Übernahme von Benutzerkonten bis hin zu Denial-of-Service-Angriffen auf Glücksspielplattformen.

Bei ihren Angriffen nutzten die autonomen Agenten unterschiedliche Sicherheitslücken aus.

Dazu gehörten schwache oder fest codierte Passwörter, fehlende Authentifizierungsmechanismen, unsichere direkte Objektreferenzen sowie Schwachstellen, die eine Ausführung von Code aus der Ferne ermöglichten. Besonders problematisch ist dabei, dass viele dieser Schwachstellen bereits seit Jahren bekannt sind. Durch KI-gestützte Automatisierung können sie jedoch in erheblich größerem Umfang identifiziert und angegriffen werden.

KI-Agenten kompromittieren Software-Lieferketten

Wie weit autonome KI-Agenten bereits eigenständig handeln können, verdeutlicht eine weitere von CPR dokumentierte Kampagne. Ein Betreiber hatte die Agenten beauftragt, Kryptowährungen von zahlreichen potenziellen Zielen zu stehlen. Während der Untersuchung der Infrastruktur eines bestimmten Kryptowährungsdienstes entdeckte ein Agent eine ungeschützte API, über die AWS-S3-Zugangsdaten abrufbar waren.

Diese Zugangsdaten ermöglichten Schreibzugriffe auf einen Cloud-Speicherbereich, in dem iOS-Anwendungen und Webseiten des Dienstes abgelegt waren. Der Agent erkannte daraufhin eigenständig, dass sich diese Berechtigungen für eine Kompromittierung der Software-Verteilungsinfrastruktur nutzen ließen. Ohne eine entsprechende ausdrückliche Anweisung führte er einen Schreibvorgang durch und überprüfte anschließend die Angriffskette. Die ursprüngliche Datei wurde später wiederhergestellt. Hinweise darauf, dass der Betreiber aus dieser Kompromittierung finanziellen Nutzen zog, fanden die Forscher nicht.

Dennoch ist der Vorfall bemerkenswert: Der KI-Agent identifizierte selbstständig eine Möglichkeit für einen Supply-Chain-Angriff und setzte diese technisch um, obwohl der ursprüngliche Auftrag auf den Diebstahl von Kryptowährungen ausgerichtet war. Damit wird ein wesentliches Risiko autonomer Angriffssysteme sichtbar. Sie können während der Verfolgung eines übergeordneten Ziels zusätzliche Angriffsmöglichkeiten erkennen und eigenständig ausnutzen.

Gestohlene Apple-Zertifikate zeigen das wirtschaftliche Potenzial

Eine weitere untersuchte Operation richtete sich gegen Anbieter von Signaturdiensten für iOS-Anwendungen.

Ziel war es, Apple-Code-Signing-Zertifikate zu erbeuten, die sich möglicherweise weiterverkaufen lassen. Über einen Zeitraum von rund zwei Wochen betrieben die Angreifer zwei ARTEX-Konsolen parallel und nahmen zehn entsprechende Dienstleister ins Visier. Der Betreiber beschränkte sich weitgehend auf Statusabfragen und die Bewertung des Fortschritts.

Die Agenten durchsuchten kompromittierte Systeme nach Zertifikatsdatenbanken und überprüften anschließend selbstständig Passwörter, private Schlüssel, Gültigkeitszeiträume, Sperrstatus und zugehörige Provisioning-Profile. Im Verlauf der Kampagne gelangten sie an mehr als 300 Zertifikate einschließlich der dazugehörigen Passwörter. Drei Zertifikate bestanden sämtliche Validierungsschritte und konnten damit grundsätzlich zum Signieren beliebiger iOS-Anwendungen verwendet werden.

Für die Operation wurden nach Angaben von CPR rund 36 Milliarden Token verarbeitet. Die geschätzten Kosten für die verwendeten KI-Modelle lagen auf Basis der damaligen DeepSeek-API-Preise lediglich zwischen 700 und 1.500 US-Dollar.

Das Beispiel verdeutlicht, welches Missverhältnis künftig zwischen dem finanziellen Aufwand eines Angreifers und dem potenziellen Schaden einer automatisierten Cyberoperation entstehen kann. Trotz Hunderttausender Aktionen bleiben KI-Agenten fehleranfällig

So beeindruckend die technischen Fähigkeiten der beobachteten Agenten erscheinen, zeigt die Untersuchung auch deutliche Grenzen.

In der bereits erwähnten Kryptowährungskampagne verarbeiteten die Agenten insgesamt 167,5 Millionen Token. Dabei entdeckten sie zahlreiche Schwachstellen, darunter Möglichkeiten zur Remote Code Execution und offen zugängliche Datenbanken. Trotz 292 Angriffsziele, 230 Befunde und mehr als 400.000 Agentenmeldungen erzielte der Angreifer jedoch keinen finanziellen Gewinn. Ein Grund lag in der fehlerhaften Interpretation technischer Rückmeldungen. Einige Agenten meldeten beispielsweise erfolgreiche Kryptowährungstransaktionen, weil angesprochene APIs eine positive Statusantwort zurückgegeben hatten. Tatsächlich wies die Wallet des Angreifers weder ein Guthaben noch entsprechende Transaktionen auf. Die KI-Systeme hatten technische Erfolgsmeldungen mit der tatsächlichen Erreichung ihres wirtschaftlichen Ziels verwechselt.

Dieser Unterschied ist entscheidend: Ein autonomer Agent kann technisch komplexe Aufgaben erfolgreich ausführen und gleichzeitig die tatsächlichen Ergebnisse seiner Aktionen falsch bewerten. Die Untersuchung bestätigt damit, dass auch offensive KI-Systeme anfällig für Halluzinationen, Fehlinterpretationen und unzureichende Erfolgskontrollen bleiben.

Was autonome KI-Angriffe für Unternehmen bedeuten

Für Unternehmen und Security-Teams ergibt sich aus den Erkenntnissen eine klare Herausforderung. Auch wenn autonome Angriffe bislang nicht zwangsläufig erfolgreich sind, können sie die Zahl und Geschwindigkeit von Angriffversuchen erheblich erhöhen.

Ein einzelner Akteur ist bereits heute in der Lage, zahlreiche Systeme parallel untersuchen zu lassen, potenzielle Schwachstellen automatisiert zu bewerten und Exploit-Versuche weitgehend ohne menschliche Unterstützung durchzuführen.

Besonders gefährdet sind öffentlich erreichbare Anwendungen, unzureichend geschützte APIs, Cloud-Speicher und Systeme mit schwachen Authentifizierungsmechanismen.

Daraus ergeben sich mehrere zentrale Anforderungen an die Cyberabwehr:

• Kontinuierliches Exposure Management: Öffentlich erreichbare Systeme und Dienste müssen regelmäßig auf Schwachstellen und Fehlkonfigurationen überprüft werden.
• Konsequente Zugriffskontrolle: Schwache Passwörter, ungeschützte APIs und unnötige Berechtigungen erhöhen das Risiko automatisierter Kompromittierungen.
• Absicherung von Cloud-Ressourcen: Zugangsdaten, Speicherberechtigungen und Schnittstellen müssen kontinuierlich überwacht werden.
• Schnellere Schwachstellenbehebung: Kritische Sicherheitslücken sollten risikobasiert priorisiert und möglichst früh geschlossen werden.
• Automatisierte Angriffserkennung: Security-Teams benötigen Technologien, die verdächtige Aktivitäten zeitnah erkennen und eine schnelle Reaktion ermöglichen.

Gerade die Kombination aus automatisierter Schwachstellensuche und eigenständiger Ausnutzung verändert die Anforderungen an klassische Sicherheitsprozesse. Unternehmen müssen damit rechnen, dass bekannte Sicherheitslücken künftig schneller und systematischer angegriffen werden.

Fazit: Autonome KI verändert die Spielregeln der Cyberkriminalität

Die ARTEX-Untersuchung von Check Point Research zeigt, dass agentengestütztes Hacking keine rein theoretische Zukunftsvision mehr ist.

Autonome KI-Agenten können bereits heute komplexe Angriffsketten durchführen, Schwachstellen ausnutzen und selbstständig zusätzliche Möglichkeiten zur Kompromittierung von Systemen identifizieren. Gleichzeitig belegen die untersuchten Kampagnen, dass technische Autonomie nicht automatisch zum gewünschten Ergebnis führt. Fehlinterpretationen und mangelnde Erfolgskontrollen begrenzen derzeit noch die Zuverlässigkeit solcher Systeme. Für die Cyberabwehr ist das allerdings keine Entwarnung. Mit zunehmender Leistungsfähigkeit der KI-Modelle und besseren Möglichkeiten zur Steuerung autonomer Agenten dürfte auch die Effektivität automatisierter Cyberangriffe weiter steigen.

Die Herausforderung besteht darin, die eigene Sicherheitsautomatisierung so weiterzuentwickeln, dass sie mit dem Tempo zunehmend autonomer Angreifer Schritt halten kann.