AI Infiltration Framework ARTEX Breaking Korea Bank: En fullständig kedja återställning

Mellan slutet av september och början av oktober 2026 utsattes flera koreanska finansinstitut för dataläckor. Det är inte storleken på läckan själv, det är uppsättningen av "brottssatser" kvar av angriparna: en öppen källkod AI penetration ram som kallas ARTEX, plus en kombination av Claude Code, DeepSeek, GLM, Grok. CrowdStrike restaurerade nästan helt hela operationen genom en öppen katalog på angriparnas egna servrar. Detta är en fullständig upplösning baserad på offentlig information.

AI Permeability ram attack chain konceptkarta

Sammanfattning av händelser

Enligt CrowdStrikes rapport av den 7 oktober 2026 inledde en angripare som ännu inte blivit namngiven som orsaken en riktad attack mot koreanska finansiella organisationer i slutet av september till början av oktober 2026 och framgångsrikt läckt data. Angriparna bedömdes som "kinesiska användare, ekonomiska motiv" och som medium förtroende - jag vet inte. Baserat på den kinesiska utvecklingsbakgrunden av verktyget ARTEX och den kinesiska ledtråden som observerats under sessionen.

Det bör noteras att kopplingen mellan ARTEX och invasionen huvudsakligen baseras på angriparnas egna loggar, som ännu inte har bekräftats av den skadade myndigheten eller den koreanska tjänstemannen. Antalet institutioner som påverkas av olika medier är inte enhetliga (5, 7, 9 etc.), så uppgifterna om brottsofferisering är provisoriska.

Vad är ARTEX?

ARTEX är ett open-source penetration testsystem baserat på en multi-intelligence struktur. Enligt dess beskrivning "använder det flera agenter för att automatiskt slutföra informationsinsamling, gapdetektering, attackrouting, säkerhetsverktyg för att ringa och läcka validering". Det är inte själva modellen utan ansvarar för att organisera samtal till stora externa modeller och säkerhetsverktyg.

Det lanserades den 26 juli 2026 med AGPL-3.0-tillstånd, under undertecknandet av Automán-27. Efter händelsen blev känd, den 8 oktober, tog utvecklaren bort projektet från GitHub och hävdade att det inte längre uppdaterades och stängdes på grund av missbruk. En kopia av distributionen - en koreansk gaffel har enligt uppgift dykt upp - kan inte hämtas från hyllan.

III. Avveckling av hela kedjan: hur gick en attack upp?

CrowdStrike erhöll ClaudeCode-sessionshistorik, ARTEX-konfigurationsfil och Claude-minnesfil från den angriparkontrollerade serverns öppna katalog och därmed återställa verktygskedjan och operativ teknik:

Dubbel serverstrukturEn IP, som ligger i Hongkong, som huvudinfrastruktur och en annan IP (38.24.50.120) har exempel på faktiska attacker mot koreanska mål.
Modelldelning av arbetskraftARTEX använder DeepSeek v4.1-flash som den främsta resonemang backend, och använder hjärnan spektrum GLM-5.3 och xAI Grok 4.6 för att stödja ytterligare Claude Code sessioner. DeepSeek misstänks ha besökts av en API-agent/seller xcai.pro.
Proxy JumperOm 9 proxy IPs används för trafiktransitering, bildar C2 och infrastrukturskikt tillsammans med master/exempel server.
Claudes rollInte bara tekniskt stöd. Loggen visar att operatören också bad Claude att hjälpa till att hitta den koreanska språkgruppen som kunde sälja läckta data i Korea och att skriva en "Security Researcher's CV" för att skriva resultaten av invasionen i CV-poster.

En öppen katalog och verktygskedja för angriparna

Fyra, hur kom foten ut?

Nyckeln till denna exponering är att angriparna lämnade sin infrastruktur i en ”öppen katalog”. CrowdStrike läste direkt på .claude/CLAUDE.md på 188999-porten IP 38.24.50.120 - ett kinesiskt språktest varningsdokument som beskriver hur LLM ska fungera. Suzudo hittade mer öppna kataloger på Hong Kong IP, som innehåller full session historia, ARTEX konfiguration och Claude minne filer.

Med andra ord matchar det tekniska innehållet i attackkedjan inte sina operativa hygiennivåer: samtidigt som man kör en automatiserad attack med en stor modell i frontlinjen är nyckelloggar och konfigurationer kopplade till en allmänt tillgänglig katalog.

Attribution och förtroende: behovet av försiktighet

CrowdStrike tillskrev inte sin verksamhet till en välkänd motståndare, men gav en "kinesisk användare, ekonomisk motivation, medium förtroende" -dom. Den personliga informationen som läcktes i sessionerna (namn YY, telefon, Telegramkonto @Y520CN, China Polytechnic University, Maumin Guangdong, etc.) dök upp i rapporten, men själva rapporten tyder på att det inte är möjligt att bekräfta att informationen för närvarande är förövaren själv. Registret påpekade också att åldersinformation var inkonsekvent. Den koreanska polisen bedömer fortfarande om handlingen begicks av en person eller av en grupp.

Personlig identitetsinformation bör bekräftas av brottsbekämpande myndigheter och bör inte direkt spridas som resultat.

VICTIMS OCH DISTRIBUTION OF DATA

Access rapporterades vara två mycket "konventionella" typer av system: en låneprogressförfrågan tjänst för finansiella mäklare och ett mobilt kontor stödsystem för personal. Vanliga funktioner i dessa system är: Internetorienterad, byggd för bekvämlighet, och ofta inte inom förstärkning av kärnbanksystemet.

Medienamngivna institutioner inkluderar Shinhan Bank (cirka 25 000 kunder), KB Kokmin Bank (119 personer), Hana Bank (små försäljningsstödssystem), Yegaram Savings Bank (cirka 40 000 personer), och 5 andra, 7 och 9 av olika kalibrer, med totalt cirka 68 000 personuppgifter exponerade. De läckta fälten inkluderar namn, kontaktuppgifter, bosatta registreringsnummer, årsinkomst och lånelinjer - information som är väl lämpad för användning i precision socialarbetare och efterföljande bedrägeri.

Exponera regelbunden inmatning och känsliga datafält

Varför ska försvaret vara nervös?

Två poäng måste lyftas fram. För det första visar resultaten av ARTEX-märken på servern inte i sig att ARTEX slutförde invasionen; rapporten nämner också att detsamma kan sägas om avgifterna mot den referensfyllning och attacken på den mindre skyddade personalentrén. För det andra erkändes Artex inte offentligt av banker och myndigheter vid tidpunkten för händelsen.

Men vad som är mer alarmerande är verktygsegenskaperna: ARTEX är ett "dual-use"-godkännandetestverktyg vars funktioner överlappar mycket med angriparnas - detektering, upptäckt av kryphål, användning av val, validering. Öppen källpublikation innebär att ingen leverantör får genomdriva acceptabla användarvillkor, ingen kundrecension och ingen avbokning av åtkomst. Utvecklarnas kontrivans förklarar exakt gränserna för sådan kontroll: gaffel, spegel och lokal kloning nästan oundvikligen.

Lägg till lite mer: Modellleverantörer kan upptäcka och avbryta missbruk av sina egna tjänster, men operatören sprider arbetet till flera leverantörer. Bankerna bör inte lägga försvar på antagandet att "modelltillverkarnas staket kommer att sluta uppströms".

Multimodeldelning av arbets- och försvarsdjup

VIII. DELIBERATIONSREKOMMENDATIONER

Låt oss se vad som finns där ute.Denna portal är en vanlig webbtjänst, snarare än ett icke-kärnat system. Uppdatera listan över offline-tillgångar för att täcka kundens frågeportal och flytta back-ends till personal och omedelbart lämna eller skärpa system som inte är tydligt tillskrivna.
Förstärk autentiseringBekräfta att certifieringen av dessa tjänster utför dokumentationen för att fylla.
Tillgång till hot intelligensindikatorerÖvrig organisatör
Identifiering av automatiserade beteendeegenskaperHF systematisk upptäckt från ett litet antal källor, snabba iterativ av svar på fel, försök på snabb förändring mellan mål - anpassa WAF med robothanteringsregler.
Använd samma verktyg för auktoriserad självmätning.• Kvantifierad detekteringstäckning genom att testa sina egna exponeringstjänster med hjälp av ARTEX-typverktyg i segregerade miljöer och skriftliga regler för engagemang och undvika overifierad gaffel endast med lokalt konstruerade recensioner.
Fältnivå dataskydd(b) Registreringsnummer, inkomst, lånelinjer etc. bör minimeras, tokeniseras eller krypteras på fältnivå, så att skadan är ännu mindre när perifera systemet bryts.

På längre sikt måste styrelser och riskavdelningar planeras enligt en hotmodell som ”reconnaissance och en fas använder för att bli billigare och hållbara”. Kontroller som förlitade sig på kostnaderna för angriparna i det förflutna - som förkylningstjänster utan att upptäcka och långsamma fläckar av lågprioriterade system - behövde omprövas. Samtidigt fångar dual-use objekt under hyllan inte riktigt dem och bör spåras kontinuerligt genom hot intelligens gaffel och efterföljande versioner, snarare än att vänta på att ett verktyg ska namnges.

När kostnaden för spaning och den första användningsrundan skjuts nära noll, är åldern för att leva med "ingen kommer att märka mitt system" över.