Volver

2026/11/17

Los agentes de IA que roban claves para pagarse a sí mismos: así funcionan las campañas ARTEX

Las API de IA señuelo de Amazon captaron las notas de agentes atacantes: claves de IA robadas que pagan la búsqueda de más claves. Qué pasó y qué corregir.

El equipo de seguridad de Amazon ha publicado un informe de amenazas poco habitual. Sus servidores señuelo, diseñados para parecer API de modelos de IA, fueron utilizados por agentes de IA atacantes como su propio “cerebro”, y los agentes enviaban sus notas de campaña con cada solicitud. Por una vez, los defensores pudieron leer la memoria de trabajo del atacante. Lo que revela no es un ataque de IA futurista. Son los fallos de higiene de siempre, detectados y explotados más rápido y a menor coste, con claves de IA robadas que financian la búsqueda.

La trampa: API de IA señuelo que leyeron las notas de los atacantes

Amazon gestiona una gran red de sensores señuelo llamada MadPot. Algunos se hacen pasar por API de inferencia de grandes modelos de lenguaje (LLM) populares, los servicios a los que llama una aplicación para obtener respuestas de un modelo. Entre el 3 de octubre y el 5 de noviembre de 2026, varios agentes de IA se conectaron a estos señuelos como si fueran un proveedor de modelos real.

Un agente de IA tiene que enviar su contexto al modelo en cada llamada. Así, los señuelos recibieron las instrucciones de sistema de los agentes, su historial de herramientas, el estado de su grafo de conocimiento y los hallazgos que comunicaban. En la práctica, los atacantes le enviaron su manual de operaciones a Amazon.

Según Amazon, los agentes funcionaban con ARTEX, un framework de código abierto para pruebas de penetración con IA agéntica. Amazon considera, con un nivel de confianza moderado, que las campañas fueron llevadas a cabo por varios grupos distintos vinculados a China. Entre sus pruebas figuran prompts escritos en chino simplificado, configuraciones de zona horaria de China y “líneas rojas” en las instrucciones que excluían objetivos en China continental y dominios gubernamentales. Una confianza moderada no es una prueba, y la atribución debe leerse en ese sentido.

Amazon también deja claros los límites. No presenció los ataques. Solo vio lo que los agentes enviaron a sus sensores y no puede verificar los resultados que los agentes afirmaban haber obtenido.

Campaña 1: claves robadas que pagan el siguiente robo

La campaña más grande buscaba credenciales de servicios de IA: las claves de API que las empresas usan para pagar modelos de IA comerciales. Los agentes atacaban dos tipos de software autoalojado.

  • Gateways y proxies de LLM: One API, New API, Veloera, Sub2API y LiteLLM. Se sitúan delante de varios proveedores de IA y guardan todas sus claves en un mismo lugar.
  • Plataformas para crear aplicaciones de IA e interfaces de chat: Dify, FastGPT, Langflow, RAGFlow, Open WebUI, LobeChat y Ollama.

Las técnicas no eran nuevas. Los agentes buscaban:

  • instalaciones recientes que nadie había reclamado todavía, en las que el primer visitante se convierte en administrador;
  • páginas de administración y de configuración de proveedores que respondían sin inicio de sesión;
  • credenciales de administrador predeterminadas, como la clave maestra predeterminada de LiteLLM;
  • vulnerabilidades conocidas, como Langflow CVE-2025-3248 y RAGFlow CVE-2026-28797;
  • una omisión de autenticación mediante la cabecera isCliRequest en la familia de gateways One API;
  • falsificación de solicitudes del lado del servidor (SSRF) para llegar a los servicios de metadatos de la nube y a sus credenciales;
  • secretos olvidados en JavaScript del lado del cliente, source maps, rutas de depuración y archivos de entorno.

Los agentes clasificaban lo que encontraban: primero un indicio, después una clave confirmada con una llamada a la API que funcionaba y, por último, una clave con impacto medido. Las claves que llevaban más de 30 días expuestas públicamente se consideraban de poco valor, al suponer que otra persona ya las estaba usando.

Lo que debería preocupar a cualquier empresa que opere servicios de IA es el modelo económico. Las claves válidas se reintroducían en el propio gateway de modelos de los atacantes, de modo que las claves robadas pagaban la inferencia de IA que impulsaba la búsqueda de más claves. Amazon lo describe como una operación autosostenible. Las víctimas pagaban la factura, y mantener el ataque en marcha no les costaba casi nada a los atacantes.

Campaña 2: deepfakes contra la verificación de identidad

La segunda campaña utilizó el mismo tipo de agentes contra los controles KYC (conozca a su cliente) de dos plataformas de intercambio de criptomonedas. Los agentes generaron fotos falsificadas de documentos de identidad con metadatos de cámara falsos y vídeo deepfake en tiempo real para superar las verificaciones de selfi en directo. En una sesión se montó una cadena de deepfake en tiempo real con una sola tarjeta gráfica de consumo, que funcionaba a 11,5 fotogramas por segundo.

No funcionó. En todos los intentos que registraron los agentes, la comprobación del lado del servidor del proveedor de verificación de identidad rechazó el deepfake, incluso cuando el mejor intento mantuvo el rostro a 7 píxeles del objetivo. La lección es que el veredicto final debe proceder del servidor, no de nada que el dispositivo del usuario pueda controlar.

Por qué los gateways de IA son las joyas de la corona

Un gateway de LLM resulta práctico porque reúne a todos los proveedores de IA tras una única página de administración. Por eso mismo es el mejor objetivo. Un inicio de sesión débil, una instalación sin reclamar o un endpoint de configuración expuesto entregan de golpe todas las cuentas de proveedores que hay detrás, junto con sus límites de gasto.

Muchas de estas herramientas se instalan deprisa para un piloto o un hackathon y luego se quedan funcionando en internet. A menudo quedan fuera de los procesos habituales de parches, monitorización y revisión de accesos que cubren los sistemas de producción. Los agentes al estilo de ARTEX rastrean precisamente ese hueco, todo el día, a un coste muy bajo.

Qué hacer ahora

  1. Trate los gateways de IA y las plataformas para crear aplicaciones de IA como sistemas de producción. Protéjalos con autenticación y, siempre que sea posible, con una VPN o una red privada. Inclúyalos en los procesos de parches, monitorización y revisión de accesos.
  2. Complete cada instalación. Reclame la cuenta de administrador justo después de instalar y elimine las contraseñas y claves maestras predeterminadas, incluida la clave maestra predeterminada de LiteLLM.
  3. Cierre las interfaces de administración. Las páginas de administración y de configuración de proveedores nunca deben responder sin inicio de sesión ni ser accesibles desde internet.
  4. Parchee las vulnerabilidades mencionadas. Langflow CVE-2025-3248 está corregida en Langflow 1.3.0 y figura en la lista de CISA de vulnerabilidades explotadas activamente. Para RAGFlow CVE-2026-28797, el aviso no indica ninguna versión corregida, pero a partir de RAGFlow 0.25.0 los componentes afectados renderizan las plantillas en el sandbox de Jinja2, así que actualice a la 0.25.0 o posterior. No hemos encontrado ninguna corrección publicada para la omisión isCliRequest de One API, así que mantenga One API y sus forks fuera de la internet pública.
  5. Rote las claves de los proveedores. Si un gateway o una aplicación de IA ha estado expuesto alguna vez, dé por hecho que sus claves han sido robadas. Rótelas en cada proveedor, no solo en el gateway.
  6. Establezca límites de gasto y alertas. Asigne a cada clave su propio tope de presupuesto y configure alertas ante gastos o usos anómalos. Una factura repentina suele ser la primera señal de una clave robada.
  7. No incluya secretos en lo que publica. Revise el JavaScript del front-end, los source maps, las rutas de depuración y los archivos de entorno en busca de claves antes de cada versión.
  8. Bloquee el abuso del servicio de metadatos. En los servidores en la nube, exija las versiones más recientes del servicio de metadatos, que resisten a SSRF (por ejemplo, IMDSv2 en AWS), y limite lo que puede hacer el rol de la instancia.
  9. Revise los indicadores. El informe de Amazon enumera direcciones IP observadas en ambas campañas. Búsquelas en los registros de su gateway y de sus servidores web.

Conclusión

ARTEX no ha inventado un ataque nuevo. Ha tomado contraseñas predeterminadas, páginas de administración abiertas y software sin parchear, y ha hecho que explotarlos sea rápido, constante y autofinanciado. La defensa es la misma higiene básica de siempre, aplicada ahora también a los gateways y las herramientas de IA. Dé por hecho que cualquier clave expuesta o configuración incorrecta se descubrirá pronto, y corríjala antes de que eso ocurra.

¿Necesita ayuda para revisar el grado de exposición de sus herramientas y gateways de IA? Contacte con el equipo de LOGIQ.

Fuentes

Photo: Lucas Seebacher / Pexels