Кампания против южнокорейских финансовых организаций продолжалась с конца сентября до начала октября 2026 года. Злоумышленники применяли ARTEX, автономную систему пентестинга на базе искусственного интеллекта, чтобы атаковать организации и вывозить данные. Активность обнаружила CrowdStrike Intelligence после изучения открытых каталогов, размещённых на IP-адресе, связанном с инфраструктурой в Гонконге.
В каталогах находились истории сессий Claude Code, файлы памяти Claude и конфигурации ARTEX. CrowdStrike не связала операцию с известной группировкой. При этом анализ указывает на предположительно китайскоязычного оператора, которым, вероятно, двигал финансовый интерес. Однозначно установить его личность или принадлежность к конкретной группе исследователям не удалось.
ARTEX разработала команда Autumn-27. Это открытая многoагентная система автоматизированного пентестинга, управляемая большими языковыми моделями. На момент атаки проект считался недавно выпущенным инструментом, созданным в Китае. Autumn-27 заявляла, что ARTEX предназначен для обучения и исследований, а также для проверки рисков в организациях. Предполагалось, что система будет работать только с разрешёнными активами и помогать компаниям укреплять защиту.
Изученные CrowdStrike сессии Claude Code показали двухсерверную архитектуру операции. Гонконгская инфраструктура с IP-адресом 38.244.50[.]120 служила основой кампании и размещала экземпляр ARTEX, который, предположительно, использовался против южнокорейских организаций. В качестве основной языковой модели применялась DeepSeek v4.1-flash, а дополнительными были GLM-5.3 и SpaceXAI Grok 4.6. CrowdStrike допускает, что доступ к DeepSeek злоумышленник получал через реселлера API xcai[.]pro.
Claude использовался не только как часть рабочего окружения. В одной из сессий оператор спрашивал, где обычно продают сведения из утечек южнокорейских компаний, и просил найти корейские Telegram-группы, торгующие украденными данными. В запросе упоминались аккаунт @YY520CN и имя «YY». Тот же идентификатор встречался в других сессиях, посвящённых поиску уязвимостей в Telegram-маркетплейсе NFT-подарков. CrowdStrike считает, что персональные сведения в запросе, вероятно, относились к участнику операции, но доступные материалы не позволяют доказать эту связь.
После раскрытия злоупотребления Autumn-27 перевела ARTEX из открытого доступа в закрытый режим. Разработчик подчеркнул, что атаки не были связаны с командой, а использование системы нарушало её исходное назначение. В заявлении Autumn-27 говорилось: «ARTEX изначально создавалась для обучения и исследований». Также уточнялось, что инструмент должен был помогать организациям тестировать риски в пределах разрешённых активов и повышать уровень защиты. Новые версии выпускаться не будут, обновления и дальнейшая техническая поддержка прекращены.
Другую схему раскрыла компания ZenoX. Исследователи описали платформу для агентского credential stuffing и захвата аккаунтов, которой пользовался финансово мотивированный португалоязычный оператор под названием SCARLET LOOP. Система выбирала потенциальных жертв, находила подходящие украденные учётные данные, пыталась войти в аккаунты, обходила защиту от автоматизации и отправляла рабочие пары логин-пароль оператору. Основными целями были бразильские платформы лояльности, корпоративных поощрений и подарочных карт. Источниками данных служили журналы инфостилеров и опубликованные утечки.
Работа SCARLET LOOP была разбита на четыре этапа. Сначала ИИ-классификатор находил перспективные цели и оценивал их ценность. Затем для каждого сервиса подбирались соответствующие учётные данные. На третьем этапе ИИ-агент выполнял вход через браузер с антидетект-функциями. После успешной проверки данные отправлялись в закрытый Telegram-канал в формате «✅ {url} {user}:{password}». Такой процесс позволял обрабатывать множество сайтов без ручной проверки каждой попытки.
Для разных задач платформа использовала несколько моделей. GPT-5.6 генерировала dork-запросы, помогающие находить страницы аутентификации компаний в нужной отрасли, а GPT-5.5 классифицировала и оценивала цели. Браузерный агент работал с DeepSeek-V4-Pro и DeepSeek-V4-Flash. В конфигурации также присутствовали Anthropic Claude Opus 4.6, Google Gemini 2.5 Flash и GLM-5.1]. Локальная модель Google gemma-4-26B-A4B была доступна по адресу 127.0.0[.]1:1237.
Агент получил 46 инструментов автоматизации и управлял инструментированным браузером Firefox. Система могла подменять данные canvas и WebGL, часовой пояс, язык, геолокацию и размер области просмотра. Дополнительно применялись сервисы решения CAPTCHA. Агент самостоятельно находил страницы входа, заполнял формы и классифицировал результат. По данным ZenoX, во время разведки и авторизации ему не требовались пошаговые указания: он мог изучать незнакомые формы входа, находить слабые места и создавать под них собственную автоматизацию.
В SCARLET LOOP предусмотрен режим AUTO Mode. После заданного числа успешных входов на одном домене модель убиралась из цепочки, а система продолжала использовать ранее созданный сценарий. Это сокращало расход токенов и избавляло от повторной оплаты дорогого ИИ-анализа. ZenoX объясняла: «Рассуждение модели дорого и медленно». По задумке платформы, модель нужна при первом знакомстве с незнакомой формой, после чего накопленной автоматизации достаточно для дальнейших попыток.
На сервере SCARLET LOOP, доступном через интернет, исследователи обнаружили результаты проверки 12 277 358 учётных данных. Валидными были признаны 11 832 записи, связанные с 3 968 доменами. ARTEX и SCARLET LOOP используют разные сценарии: первая система применялась для автономного поиска уязвимостей и вывоза данных, вторая превращала подбор украденных паролей и захват аккаунтов в масштабируемый процесс с минимальным участием человека.
Изображение носит иллюстративный характер
В каталогах находились истории сессий Claude Code, файлы памяти Claude и конфигурации ARTEX. CrowdStrike не связала операцию с известной группировкой. При этом анализ указывает на предположительно китайскоязычного оператора, которым, вероятно, двигал финансовый интерес. Однозначно установить его личность или принадлежность к конкретной группе исследователям не удалось.
ARTEX разработала команда Autumn-27. Это открытая многoагентная система автоматизированного пентестинга, управляемая большими языковыми моделями. На момент атаки проект считался недавно выпущенным инструментом, созданным в Китае. Autumn-27 заявляла, что ARTEX предназначен для обучения и исследований, а также для проверки рисков в организациях. Предполагалось, что система будет работать только с разрешёнными активами и помогать компаниям укреплять защиту.
Изученные CrowdStrike сессии Claude Code показали двухсерверную архитектуру операции. Гонконгская инфраструктура с IP-адресом 38.244.50[.]120 служила основой кампании и размещала экземпляр ARTEX, который, предположительно, использовался против южнокорейских организаций. В качестве основной языковой модели применялась DeepSeek v4.1-flash, а дополнительными были GLM-5.3 и SpaceXAI Grok 4.6. CrowdStrike допускает, что доступ к DeepSeek злоумышленник получал через реселлера API xcai[.]pro.
Claude использовался не только как часть рабочего окружения. В одной из сессий оператор спрашивал, где обычно продают сведения из утечек южнокорейских компаний, и просил найти корейские Telegram-группы, торгующие украденными данными. В запросе упоминались аккаунт @YY520CN и имя «YY». Тот же идентификатор встречался в других сессиях, посвящённых поиску уязвимостей в Telegram-маркетплейсе NFT-подарков. CrowdStrike считает, что персональные сведения в запросе, вероятно, относились к участнику операции, но доступные материалы не позволяют доказать эту связь.
После раскрытия злоупотребления Autumn-27 перевела ARTEX из открытого доступа в закрытый режим. Разработчик подчеркнул, что атаки не были связаны с командой, а использование системы нарушало её исходное назначение. В заявлении Autumn-27 говорилось: «ARTEX изначально создавалась для обучения и исследований». Также уточнялось, что инструмент должен был помогать организациям тестировать риски в пределах разрешённых активов и повышать уровень защиты. Новые версии выпускаться не будут, обновления и дальнейшая техническая поддержка прекращены.
Другую схему раскрыла компания ZenoX. Исследователи описали платформу для агентского credential stuffing и захвата аккаунтов, которой пользовался финансово мотивированный португалоязычный оператор под названием SCARLET LOOP. Система выбирала потенциальных жертв, находила подходящие украденные учётные данные, пыталась войти в аккаунты, обходила защиту от автоматизации и отправляла рабочие пары логин-пароль оператору. Основными целями были бразильские платформы лояльности, корпоративных поощрений и подарочных карт. Источниками данных служили журналы инфостилеров и опубликованные утечки.
Работа SCARLET LOOP была разбита на четыре этапа. Сначала ИИ-классификатор находил перспективные цели и оценивал их ценность. Затем для каждого сервиса подбирались соответствующие учётные данные. На третьем этапе ИИ-агент выполнял вход через браузер с антидетект-функциями. После успешной проверки данные отправлялись в закрытый Telegram-канал в формате «✅ {url} {user}:{password}». Такой процесс позволял обрабатывать множество сайтов без ручной проверки каждой попытки.
Для разных задач платформа использовала несколько моделей. GPT-5.6 генерировала dork-запросы, помогающие находить страницы аутентификации компаний в нужной отрасли, а GPT-5.5 классифицировала и оценивала цели. Браузерный агент работал с DeepSeek-V4-Pro и DeepSeek-V4-Flash. В конфигурации также присутствовали Anthropic Claude Opus 4.6, Google Gemini 2.5 Flash и GLM-5.1]. Локальная модель Google gemma-4-26B-A4B была доступна по адресу 127.0.0[.]1:1237.
Агент получил 46 инструментов автоматизации и управлял инструментированным браузером Firefox. Система могла подменять данные canvas и WebGL, часовой пояс, язык, геолокацию и размер области просмотра. Дополнительно применялись сервисы решения CAPTCHA. Агент самостоятельно находил страницы входа, заполнял формы и классифицировал результат. По данным ZenoX, во время разведки и авторизации ему не требовались пошаговые указания: он мог изучать незнакомые формы входа, находить слабые места и создавать под них собственную автоматизацию.
В SCARLET LOOP предусмотрен режим AUTO Mode. После заданного числа успешных входов на одном домене модель убиралась из цепочки, а система продолжала использовать ранее созданный сценарий. Это сокращало расход токенов и избавляло от повторной оплаты дорогого ИИ-анализа. ZenoX объясняла: «Рассуждение модели дорого и медленно». По задумке платформы, модель нужна при первом знакомстве с незнакомой формой, после чего накопленной автоматизации достаточно для дальнейших попыток.
На сервере SCARLET LOOP, доступном через интернет, исследователи обнаружили результаты проверки 12 277 358 учётных данных. Валидными были признаны 11 832 записи, связанные с 3 968 доменами. ARTEX и SCARLET LOOP используют разные сценарии: первая система применялась для автономного поиска уязвимостей и вывоза данных, вторая превращала подбор украденных паролей и захват аккаунтов в масштабируемый процесс с минимальным участием человека.
