亚马逊威胁情报团队于11月20日披露,中国背景黑客在9月通过AI渗透框架Cairn指挥代理,对东亚多所大学医疗影像服务器发起攻击,代理在开源项目MONAI Label中发现路径遍历零日漏洞,并在11分钟内从API测绘升级至root控制权。
事实还原
亚马逊CISO CJ Moses所述调查始于9月10日,当时发现一台公开可访问服务器托管Cairn实例,可查看其操作历史与提示词。提示词使用简体中文,时间戳设为中国标准时间。目标为东亚大学。Cairn被要求针对IP地址“获取shell访问权”。其中一次尝试历时16小时执行148个动作未果,包括Log4Shell尝试失败;另一次尝试6小时以上测试3万余组凭证亦失败。唯一成功案例为代理在医疗影像AI应用中发现并利用该零日路径遍历漏洞,随后用于入侵第二所大学。Amazon Threat Intelligence据漏洞在公开数据库中无对应记录,评估为零日。维护方已于11月18日发布补丁,AWS并与政府伙伴通知相关组织。
机制拆解
Cairn允许操作者以自然语言提供起点与目标,由多个AI代理协调规划、执行并根据反馈调整路径,无需人工逐步指定。攻击者仅输入IP与“获取shell访问权”指令,代理即自主完成测绘、漏洞搜索与利用。同一框架此前被Gambit Security记录用于针对在线零售商的入侵,Google研究人员亦在美航太领域公司入侵中观察到类似使用。Cairn与Artex等工具均属开源自主多代理进攻框架,区别在于Cairn缺乏针对网络安全的内部结构限制。
产业影响
此次事件显示AI代理可在真实攻击中独立完成“漏洞发现→利用”全链路,且速度超过多数安全运营中心人工分流告警所需时间。MONAI Label作为开源医疗影像框架,其补丁发布滞后于攻击发生,凸显开源组件在AI辅助攻击下的暴露窗口。多家云厂商与研究机构已相继发布针对Artex、Cairn等框架的警告,显示攻防双方对自主AI工具的关注同步上升。
战略判断
(以下为分析而非事实)当前安全评测框架多聚焦防御性场景,对“进攻性自主漏洞发现”能力的覆盖不足,可能需要扩展测试维度以纳入类似Cairn的通用代理行为模式。开源工具因无内置网络安全结构,其使用场景更难预测,未来或需在框架设计阶段加入使用边界限制,以降低被滥用风险。