ARTEX 被用來偷 AI 金鑰:AWS 的代理紀錄,證實了什麼、又有哪些限制?
ARTEX 攻擊報告整理:AWS 蜜罐如何取得代理記憶、外部結果有哪些限制,以及 FBI 警示對管理入口、模型金鑰與歷史指標的防守啟示。分清代理自述與服務端證據,掌握多代理攻擊的能力與限制。
ARTEX 把多個 AI 代理接成持續工作的攻擊流程,企業面對的風險因而不只是一段惡意提示。被偷走的模型金鑰,還可能替下一輪尋找金鑰的工作支付推論費用。
AWS 於 2026 年 11 月 13 日公布調查,說明蜜罐在十月三日至十一月五日收到了攻擊代理自己的工作記錄。同日 FBI 也發布警示,提醒組織注意這類自動化入侵。
蜜罐是刻意設置、用來觀察可疑連線的受控服務。這次它扮成模型介面,讓代理把任務、工具歷史與共享記憶送了進來,研究者因而看見攻擊者如何安排工作。
這些紀錄包含代理聲稱完成的行動,但 AWS 沒有親眼監測其中每個外部目標。工作紀錄能證明代理正在追求什麼,和能確認每一次攻擊結果,是兩種證據。
我會先把對外 AI 管理入口、模型金鑰和異常花費列為檢查重點。這份報告適合用來縮小防守缺口,無法拿來推論每一套開源 AI 工具都已經被攻破。
要判斷哪些發現能直接採取行動,先分清這次觀察到的是哪一段工作,以及紀錄裡的結果從哪裡來。
蜜罐接到的是代理記憶,外部結果仍要另外確認
MadPot 捕捉到模型請求本身,請求裡夾帶了代理保存的過往工作。
AWS 的 MadPot 是用來吸引並記錄可疑活動的感測系統。這次感測器模擬大型語言模型的聊天介面,收到的內容除了問題,還包括系統提示、工具執行歷史與持續保存的任務背景。研究者因此能沿著請求,重建代理的部分工作方式。
這和取得攻擊者每一部電腦的完整紀錄不同。代理為了讓下一輪模型理解情境,會把先前行動摘要放進請求;摘要裡若寫「取得憑證」,能確認的是該說法出現在送進蜜罐的內容。外部服務是否接受那組憑證,仍需要服務端的紀錄支持。
AWS 的 ARTEX 調查明確保留這個界線:過往外部活動並非都由研究者即時觀察,公司也無法驗證所有自述結果。對可能受影響的 AWS 客戶,公司表示已依情況通知;這不代表報告中每個其他組織都已確認受害。
讀這類報告時,可以先把內容分成請求裡實際看到的資料、代理對外部行動的自述,以及受影響服務後續確認的結果。三者有不同的證明能力。混成一份成功攻擊清單,會高估這次觀察範圍,也讓防守者不知道該查哪一份紀錄。
知道證據來自哪裡之後,才能看懂共享記憶如何把多次尋找串成長期行動。

多代理分工讓任務持續,金鑰也成為運行資源
攻擊者以規劃、執行、驗證與壓縮代理接力,讓新一輪工作沿用舊結果。
規劃代理負責拆解目標,執行代理負責操作,驗證代理檢查結果,壓縮代理則把逐漸變長的紀錄整理成後續可讀的記憶。AWS 看到的共享知識圖譜,提供了不同工作之間交換資訊的方式。即使某一輪模型停止,下一輪仍可能接著舊任務繼續。
持續性會改變成本結構。找錯入口可以累積成下一次排除條件,找到可用的模型金鑰則可能成為後續工作所需的付費資源。被竊的憑證既是攻擊目標,也可能讓代理延長運作時間,因此光看單次模型輸出是否危險,無法掌握整段流程。
這也解釋為何帳戶擁有人可能先看到不明推論費用,才發現管理介面或部署設定出了問題。服務仍能正常回應,不代表使用者就是授權的人;當有效憑證流到外部,提供模型的服務通常仍會把請求當成持有該憑證的帳戶活動。
依 AWS 的判斷,報告顯示的是既有入侵手法被更持續、更有組織地執行,沒有證明代理發明了全新的攻擊技術。這使修補重點很具體:先減少可被重複利用的入口,再限制一組憑證失竊後能延伸到多少資源。
當金鑰可以繼續支付推論,防守就不能只盯住最後一次模型回答。
先查管理介面與憑證,別只替提示加一道過濾
報告中的主要弱點來自暴露入口、未修補程式與不當保存的秘密。
如果公開管理頁、測試介面或預設設定本來就能讓外部讀到秘密,增加提示過濾無法替它補上登入與授權。模型收到文字之後才開始運作,入口保護則決定誰有資格送出請求、讀取設定,以及要求系統執行工作,兩者位在不同的位置。
截至 2026 年 11 月 16 日,依報告可先從自己實際部署的 AI 閘道與管理服務做清點,確認對外網址、登入方式、版本、維護者與憑證來源。報告裡的弱點與暴露服務相關,因此清點應覆蓋短期測試環境;測試結束後仍在線的介面,可能已經沒有日常使用者會注意它的異常。
接著檢查部署設定、環境變數、程式庫與建置產物是否留有秘密。FBI 的警示也把持續掃描這些位置、及時更換已暴露憑證列入減災建議。更換之前要先辨認哪些服務依賴該憑證,讓合法工作改用新憑證,並保存舊憑證的使用紀錄供追查。
權限範圍同樣影響後果。僅供一項測試使用的模型金鑰,不應順帶擁有其他專案的管理權限;雲端身分也應依實際任務給予權限。這是從報告的憑證濫用方式推導出的防守順序,並非本刊已替特定讀者完成系統稽核。
控制誰能進入服務之後,還要留意已經有效的金鑰正在被誰使用。
花費與權限異常,要能連回同一項工作
成功的模型請求可能來自未授權使用,因此帳單和存取紀錄都需要能回查。
金鑰需要能對應到一項服務與負責人,才能在費用增加時判斷是否合理。若多個專案共用同一組憑證,看到總用量上升仍難以分辨來源;將用途拆開並保留紀錄,才能縮小追查範圍,也讓停用一組金鑰時不致連帶中斷全部工作。
可查的線索包括請求量、模型種類、使用時段、來源與權限變更。任何一項偏離平常情形,都需要和當時的合法工作對照。例如批次評測確實可能突然增加用量,只有帳單曲線並不足以確認入侵;若同時出現陌生來源與新授權,調查優先度便不同。
FBI 對受影響應用的建議,也涵蓋新增憑證、權限指派與不熟悉的服務身分活動。成功登入和失敗登入需要分開看,因為攻擊者可能在前期反覆失敗,之後才取得可用身分。只調查最後成功的那一次,容易漏掉準備活動的時間範圍。
若已確認未授權使用,應由具權限的應變人員保存證據並撤銷相關存取。報告特別提醒不要讓匯出紀錄拖延必要的緊急處置,但也不能把刪除整個企業應用當成預設第一步。保留設定和歷史,有助於辨認問題從哪裡開始。
追查金鑰濫用之外,報告中的身分驗證案例也顯示代理能力仍有邊界。
深偽嘗試不等於成功突破,結果要看伺服器判定
AWS 收到的紀錄顯示代理多次嘗試活體驗證,該供應商仍拒絕了每次已記錄的嘗試。
這個結果值得和報告的其他能力描述分開閱讀。代理能串接影像與影片工具,代表它能準備素材、安排流程並重試;驗證服務是否接受,則由對方伺服器決定。工具執行完成和跨過身分驗證門檻,中間還有一個外部判定。
AWS 描述的另一條深偽處理流程出現約每秒十一點五格的速度,這個數字衡量產生或處理畫面的快慢。它沒有提供活體驗證通過比例,不能改寫成攻破成功率,也不能把不同流程的速度與結果拼成同一次成功事件。
這項區分也適用於企業自己的 AI 自動化驗收。代理說已退款,要看交易端是否真的產生退款紀錄;代理說已登入,要看服務端是否接受身分。最終狀態應由掌握該業務的系統留下證據,不能完全依靠代理最後一段敘述。
因此,報告同時提供了能力與限制的資訊。多次被拒絕的結果提醒讀者,持續重試未必能跨越已有保護;另一方面,防守方仍需要把嘗試量、來源與帳戶關聯留下來,才知道失敗是否正在累積成更大規模的活動。
成功與失敗分清楚之後,防守指標也要保留當時的時間與來源。
FBI 警示與舊指標,應配合目前環境驗證
FBI 的警示提供歷史觀察與減災建議,指標不能脫離活動期間直接當成永久黑名單。
FBI 的 ARTEX 威脅警示在十一月十三日發布,彙整更廣泛的歷史活動。它的時間範圍與案件來源,和 AWS 十月三日至十一月五日的蜜罐觀察不同;兩份資料可以互相補充,不能直接當成同一組已驗證受害案例。
警示列出的 IP 位址與其他指標,主要協助防守者回查歷史。雲端位址可能重新分配,某個時間屬於可疑基礎設施的位址,之後未必仍由同一方使用。把整份清單永久封鎖,可能傷及後來的合法服務,也不能保證涵蓋新的活動。
較有用的做法是先以活動期間對照自己的存取紀錄,再結合身分、工作內容與來源變化判斷。FBI 也提醒,個別短暫或不固定的指標,未必單獨代表入侵;指標能幫忙找線索,最後仍要回到完整的資安情境。
對台灣團隊而言,這份美國警示提供的是可參考的威脅資訊,不會自動改變自己的通報與應變流程。應由既有負責人判斷處置與通報需求,並保留事件發現、憑證更換、服務恢復的時間,方便之後核對影響範圍。
先把指標與自己的遙測對起來,才知道哪一項入口需要立即處理。
ARTEX 攻擊報告常見問題
讀者最需要分清的是模型、代理框架與實際受害證據。
ARTEX 是大型語言模型嗎?
ARTEX 在這份報告中是協調代理工作的框架,背後仍需要模型和工具提供能力。框架能安排多項任務,不表示每個底層模型都被入侵;這次風險來自框架被濫用,以及目標服務原本存在的暴露入口或憑證問題。
公開報告能證明每一次攻擊都成功嗎?
能證明的範圍取決於證據來源。AWS 觀察到送進蜜罐的工作內容,並清楚交代未確認的外部結果;FBI 則彙整不同活動。讀者需要保留兩者各自的日期與範圍,無法把代理自述直接升格為所有目標的受害證明。
只有使用 ARTEX 的公司需要處理嗎?
報告中的目標可能只是暴露了可用的模型或管理介面,本身未必使用 ARTEX。若公司提供 AI 服務,仍有必要知道自己的對外入口、模型憑證與異常用量由誰負責。這三份清單能讓後續調查從實際資產開始。
先完成入口與金鑰清點,再依異常紀錄安排後續調查。
延伸閱讀:Cohere 揭露 Qwen 沙箱異常:模型說不叫工具,為何仍嘗試對外傳送?、LiteLLM 1.107.0 遭供應鏈攻擊:原碼標籤乾淨,為何安裝包仍能竊取密鑰?