Автономные AI-агенты за 11 минут нашли неизвестную уязвимость в медицинском open source-приложении MONAI Label и получили возможность произвольно записывать файлы на сервере университета. Затем они использовали тот же дефект, чтобы запустить Python reverse shell с правами root — сценарий, который ещё недавно требовал ручной работы пентестера. Для российских команд это не абстрактная история про чужие университеты: публичный сервис с непропатченным компонентом теперь может стать целью, которую атакующий ИИ исследует без усталости и без постоянного оператора.
О кампании, связанной с Китаем, сообщает The Register со ссылкой на отчёт директора по информационной безопасности Amazon CJ Moses. Специалисты Amazon Threat Intelligence 10 сентября обнаружили сервер с публично доступным экземпляром Cairn — открытого фреймворка для тестирования на проникновение, который злоумышленники приспособили для многоэтапных атак с ИИ-агентами. Кампания длилась 48 часов, начиная с 8 сентября; подсказки агентам были написаны упрощённым китайским, а отметки времени в исполняемых скриптах настроены на китайское стандартное время.
До удачной находки система не показывала магии. Она около 16 часов пыталась проникнуть на Redis-сервер другого университета и выполнила 148 последовательных действий: пробовала злоупотребить репликацией Redis для загрузки чужого кода, выйти из песочницы скриптов, менять конфигурацию и повреждать память процесса. Когда эти попытки не сработали, агенты переключились на инъекцию Log4Shell в другой сервис, SSRF-атаку на соседний экземпляр Qdrant и перебор учётных данных для PostgreSQL, SSH и других сервисов.
Параллельно отдельная операция более шести часов атаковала GPU-сервер университета подбором паролей. Для этого агенты собрали 80 реальных имён пользователей из публичных страниц вуза, научных статей и других документов. Обе ветки закончились без взлома, но именно в этом и важная деталь: система не остановилась после серии неудач. Она меняла тактику, выбирала новые поверхности атаки и продолжала работу почти сутки без прямых указаний человека.
Решающим оказался MONAI Label — open source-приложение для работы с медицинскими изображениями. Агенты определили используемый фреймворк, составили карту API и нашли endpoint загрузки файлов с параметром имени файла. Проверка на path traversal сработала: параметр позволял выйти за пределы ожидаемого каталога и записывать файлы в произвольные места на сервере. После уведомления Amazon разработчики MONAI Label выпустили исправление и бюллетень безопасности.
Случай не означает, что Cairn самостоятельно «изобрёл» эксплуатацию с нуля в человеческом смысле слова. Но он показывает более неприятную для защитников механику: автономные AI-агенты уже способны долго и последовательно соединять известные техники разведки, подбор учётных данных, проверку API и эксплуатацию найденного дефекта. Оператор подключился лишь на следующем этапе: после обнаружения zero-day он передал агентам прокси-туннель во вторую университетскую сеть, где работал сервер с тем же уязвимым кодом.
Amazon также указывает на более раннее исследование Gambit Security: в сентябре китайский оператор применял Cairn как минимум в 105 атаках и с разной степенью успеха скомпрометировал не менее 27 компаний. В другой кампании злоумышленники сочетали Cairn с двумя другими открытыми ИИ-инструментами, чтобы похищать записи банковских карт и иные чувствительные данные у компаний из списка Fortune 500, крупной американской авиакомпании, промышленного дистрибьютора и онлайн-ритейлера одежды.
Для разработчиков вывод довольно приземлённый: инвентаризация внешних сервисов, ограничение доступа к административным endpoint, быстрый патчинг зависимостей и мониторинг аномальных цепочек запросов становятся защитой не только от людей с Burp Suite. Особенно внимательно стоит проверить открытые Redis, Qdrant, PostgreSQL, SSH и сервисы загрузки файлов. Для ИБ-команд меняется и модель обнаружения: единичный неудачный запрос больше нельзя считать шумом, если за ним следуют десятки аккуратно меняющихся попыток с других направлений.
Главный вопрос теперь не в том, смогут ли автономные AI-агенты заменить опытного атакующего во всех сценариях. Пока им всё ещё помогают люди, инфраструктура и чужие ошибки в конфигурации. Вопрос в скорости: насколько быстро защита научится замечать агента, который методично перебирает варианты атаки часами, не теряет контекст и не уходит на обед.


