Co znajdziesz w tym artykule?
Wprowadzenie do problemu / definicja
Autonomiczne agenty AI coraz wyraźniej wchodzą do praktyki działań ofensywnych w cyberprzestrzeni. Nie chodzi już wyłącznie o wsparcie analityków czy programistów, ale o wykorzystanie modeli i agentów do automatyzacji powtarzalnych czynności po uzyskaniu dostępu do środowiska ofiary. Przypadek operacji wymierzonej w tajskie Ministerstwo Finansów pokazuje, że sztuczna inteligencja może pełnić rolę akceleratora rekonesansu, eskalacji uprawnień i eksploracji zasobów.
W opisywanym incydencie operator miał użyć otwartoźródłowego agenta Hermes w trybie nienadzorowanym, określanym jako „YOLO”. Taka konfiguracja ogranicza potrzebę ręcznego zatwierdzania części poleceń, co pozwala szybciej wykonywać kolejne kroki po stronie zaatakowanego środowiska.
W skrócie
Badacze ujawnili artefakty wskazujące na aktywną operację ukierunkowaną na systemy powiązane z tajskim resortem finansów. W otwartych katalogach na infrastrukturze kontrolowanej przez napastnika znaleziono setki plików, w tym exploity, web shelle, tunele HTTP, skrypty z twardo zakodowanymi poświadczeniami oraz logi działania agenta Hermes.
- Hermes został użyty do automatyzacji działań post-exploitation.
- Celem były m.in. usługi Hadoop, Apache Ambari, poczta oraz panele administracyjne.
- W zbiorze artefaktów zidentyfikowano także niestandardowy implant „Hades” dla Windows i Linuksa.
- Incydent pokazuje model hybrydowy: człowiek wyznacza kierunek, agent automatyzuje żmudne zadania.
Kontekst / historia
Sprawa wyszła na jaw po odnalezieniu otwartych katalogów na serwerze hostowanym w Hongkongu. Zgromadzone tam materiały obserwowano od 9 do 13 lipca 2026 roku. Zawartość katalogów sugerowała trwającą operację przeciwko jednostkom powiązanym z tajskim Ministerstwem Finansów.
Wśród plików znajdowały się nie tylko typowe narzędzia ofensywne, lecz także logi zadań realizowanych przez Hermesa, dane sesyjne, próbki malware oraz skrypty przygotowane pod konkretne usługi wewnętrzne. Jednocześnie warto zachować ostrożność interpretacyjną: obecność artefaktów operatorskich i narzędzi wskazuje na ukierunkowanie ataku oraz prawdopodobny dostęp do części systemów, ale nie stanowi automatycznie dowodu pełnego naruszenia każdego wskazywanego hosta.
Analiza techniczna
Najciekawszym elementem operacji było uruchomienie Hermesa w trybie „YOLO”. W praktyce oznacza to, że agent mógł samodzielnie wykonywać kolejne polecenia i przechodzić do dalszych etapów rekonesansu oraz eksploracji bez stałej interwencji operatora. To znacząco zwiększa tempo pracy po uzyskaniu przyczółka w środowisku ofiary.
Z ujawnionych logów wynika, że Hermes realizował zadania typowe dla fazy post-exploitation. Obejmowały one wyszukiwanie ścieżek eskalacji uprawnień, enumerację usług, analizę podatności jądra systemu, identyfikację binariów SUID i SGID, inspekcję kontenerów oraz przeszukiwanie systemu plików. Agent miał też korzystać ze zmodyfikowanej wersji narzędzia LinPEAS do zbierania informacji o hostach i analizować wskazane katalogi WWW powiązane z infrastrukturą resortu.
Równolegle operator przygotował bardziej klasyczne elementy łańcucha ataku. Wśród nich znalazły się web shelle PHP, skrypty do tunelowania ruchu HTTP, narzędzia do komunikacji z usługami wewnętrznymi oraz kod exploitów dla znanych podatności. W materiałach wskazywano m.in. na PwnKit, błędy w sudo oraz starszą lukę IIS WebDAV. Badacze opisali również skrypty ukierunkowane na Hadoop i HiveServer2, co może sugerować próbę wykorzystania słabych konfiguracji środowisk analitycznych.
Na szczególną uwagę zasługuje implant „Hades”, czyli niestandardowy malware napisany w Go i przygotowany dla systemów Windows oraz Linux. Według analizy oferował on interaktywną powłokę, transfer plików, tunelowanie SOCKS, mechanizmy utrzymania dostępu, a w wariancie windowsowym również bardziej zaawansowane techniki uruchamiania kodu w pamięci. Komunikacja C2 miała być maskowana przy użyciu ścieżek URI przypominających legalne zasoby aplikacyjne, a konfiguracja zawierała elementy bezpieczeństwa operacyjnego, takie jak kill date i ograniczenia godzin aktywności.
Technicznie nie był to przykład całkowicie autonomicznego systemu AI samodzielnie wybierającego ofiarę i scenariusz ataku. To raczej model półautonomiczny, w którym człowiek wskazuje cele i przygotowuje zestaw narzędzi, a agent przejmuje rutynowe, czasochłonne czynności po uzyskaniu dostępu.
Konsekwencje / ryzyko
Najważniejszym skutkiem takiego podejścia jest obniżenie kosztu operacyjnego po stronie napastnika. Jeśli agent może automatycznie wykonywać sekwencję komend, analizować wyniki i przechodzić do następnych kroków, jeden operator jest w stanie efektywnie obsługiwać większą liczbę hostów lub kilka równoległych zadań.
Drugie ryzyko dotyczy skrócenia czasu między pierwszym dostępem a dalszą eksploracją środowiska. W tradycyjnym modelu operator ręcznie ocenia wyniki i podejmuje decyzje. W modelu wspieranym agentem AI proces może przebiegać niemal bez przerw, co ogranicza zespołom obronnym okno na wykrycie włamania przed lateral movement, eskalacją uprawnień czy przygotowaniem eksfiltracji.
Trzeci problem to skala i jakość rozpoznania. Agent może szybko przeszukiwać dokumenty, konfiguracje, pliki biurowe i artefakty administracyjne, zwiększając szansę na odnalezienie poświadczeń, danych osobowych, informacji technicznych i dodatkowych punktów wejścia. Nawet bez jednoznacznego potwierdzenia pełnej eksfiltracji sam poziom dostępu i widoczności zasobów stanowi poważny sygnał ostrzegawczy.
Rekomendacje
Organizacje powinny założyć, że automatyzacja działań post-exploitation z użyciem agentów AI staje się realnym elementem współczesnego krajobrazu zagrożeń. W praktyce oznacza to konieczność skrócenia czasu wykrywania nietypowej aktywności na hostach, serwerach administracyjnych i systemach wewnętrznych.
- Ograniczyć powierzchnię ataku poprzez usunięcie publicznie dostępnych paneli administracyjnych i zamknięcie zbędnych portów.
- Segmentować środowiska Hadoop, Ambari, pocztę oraz systemy zarządcze.
- Wymuszać dostęp administracyjny wyłącznie przez kontrolowane kanały i wydzielone stacje.
- Monitorować masową enumerację systemu plików i nietypowe użycie narzędzi takich jak LinPEAS.
- Wykrywać wyszukiwanie binariów SUID/SGID, tworzenie tuneli HTTP, połączenia SOCKS oraz wdrażanie web shelli.
- Analizować uruchamianie niestandardowych binariów Go i nietypową komunikację z usługami wewnętrznymi.
- Regularnie przeglądać konfiguracje usług pod kątem słabych metod uwierzytelniania, domyślnych poświadczeń i nadmiernych uprawnień.
- W systemach Linux i Windows usuwać luki lokalnej eskalacji uprawnień oraz monitorować mechanizmy persistence, takie jak cron, harmonogram zadań i klucze autostartu.
Z perspektywy SOC szczególnie ważne staje się korelowanie zdarzeń niskosygnałowych. Agent AI może generować wiele pojedynczo mało efektownych akcji administracyjnych, które dopiero jako sekwencja pokazują rzeczywisty charakter ataku. Dlatego rośnie znaczenie analityki behawioralnej, detekcji sekwencyjnych i regularnych testów typu breach and attack simulation.
Podsumowanie
Przypadek Hermesa pokazuje, że sztuczna inteligencja nie musi całkowicie zastępować operatora, aby realnie zwiększyć skuteczność operacji ofensywnych. Wystarczy, że przejmie rekonesans, analizę wyników i wykonywanie powtarzalnych komend po uzyskaniu dostępu do środowiska ofiary.
Dla obrońców oznacza to zmianę perspektywy: mniej istotne staje się pojedyncze narzędzie, a ważniejsze tempo rozwijania ataku. Gdy automatyzacja skraca czas od włamania do szerokiej eksploracji środowiska, przewagę zyskują organizacje zdolne do szybkiej detekcji, skutecznej segmentacji i ograniczania ruchu bocznego.