Witold Kepinski - 17 november 2026

Amazon onderschept zelfvoorzienende aanvallen met AI-agents

Cybercriminelen zetten steeds vaker autonome AI-agents in om langdurige en zelfvoorzienende aanvalscampagnes uit te voeren zonder menselijke tussenkomst. Dat blijkt uit onderzoek van Amazon Threat Intelligence, dat tussen 3 oktober en 5 november 2026 via zijn wereldwijde netwerk van lokservers (MadPot) verzoeken onderschepte van aanvallers die gebruikmaakten van het open-source penetratietest-framework ARTEX. Volgens Amazon-CISO CJ Moses tonen de onderschepte gegevens aan dat agentic AI is geëvolueerd van een experimenteel hulpmiddel naar een volwaardig instrument voor grootschalige cybercriminaliteit.

Amazon onderschept zelfvoorzienende aanvallen met AI-agents image

De loksensoren van Amazon deden zich voor als gangbare interfaces voor taalmodellen (LLM-API's), zo meldt Moses in een blog. Omdat dergelijke frameworks hun volledige gespreks- en taakgeschiedenis meesturen om vervolgstappen te bepalen, kregen de onderzoekers direct inzicht in de systeeminstructies, gebruikte tools en interne logboeken van de aanvallers. Het werk binnen ARTEX bleek strak verdeeld tussen gespecialiseerde agents voor planning, uitvoering, verificatie en datacompressie, die hun bevindingen deelden via een centrale kennisgraaf. Amazon schrijft de activiteiten met gematigde zekerheid toe aan verschillende Chinees-gelieerde dreigingsactoren, op basis van het gebruik van vereenvoudigd Chinees in de opdrachten, Chinese tijdzone-instellingen en instructies om doelwitten op het Chinese vasteland en overheidsdomeinen te mijden.

De meest omvangrijke campagne richtte zich op de industriële diefstal van API-sleutels en toegangsgegevens voor commerciële AI-modellen. De agents zochten op het internet naar slecht beveiligde AI-applicaties en model-gateways zoals LiteLLM, One API, Dify, Langflow en Ollama. Ze maakten daarbij gebruik van een vastgelegd draaiboek voor bekende kwetsbaarheden, standaardwachtwoorden en onbeveiligde beheerinterfaces, en speurden openbare bronnen zoals GitHub, container-images en Telegram-kanalen af naar gelekte sleutels. Buitgemaakte sleutels werden direct gevalideerd, geclassificeerd op bruikbaarheid en teruggevoerd in de eigen infrastructuur van de aanvallers, zodat de zoektocht naar nieuwe slachtoffers op kosten van de gedupeerden kon worden voortgezet.

In een tweede campagne probeerden autonome agents de identiteitscontroles (KYC) van twee cryptobeurzen te omzeilen met behulp van realtime deepfakes. Vier parallel werkende agentsessies werkten samen om een videogenerator op een enkele consumenten-GPU te bouwen die met 11,5 beelden per seconde live selfiecontroles probeerde te passeren, terwijl vervalste identiteitsbewijzen werden voorzien van synthetische camerametadata om bewerkingsdetectie te ontlopen. Hoewel de agents het gezicht tot op zeven pixels nauwkeurig wisten te positioneren volgens de instructies van de verificatiesoftware, werden alle geregistreerde pogingen door de servers van de aanbieder afgewezen.

Volgens Moses zijn de onderliggende aanvalstechnieken niet nieuw, maar verandert de inzet van AI-agents de snelheid en volharding waarmee kwetsbaarheden worden misbruikt. De campagnes slaagden vooral waar basale beveiligingsmaatregelen ontbraken, zoals het vergeten te wijzigen van standaardwachtwoorden, onbeveiligde API-eindpunten en het achterlaten van geheime sleutels in broncode. Amazon adviseert organisaties daarom om AI-applicaties en model-gateways onder dezelfde strenge beveiligingscontroles te brengen als reguliere productiesystemen en alert te zijn op onverklaarbare pieken in het gebruik of de kosten van AI-diensten.

Keepit BW + BN Infor BW
Vertiv AI-archetypes BW 936x120