Para peneliti dan pakar keamanan siber baru saja membongkar rincian mendalam mengenai sebuah kampanye serangan digital terorganisir yang memanfaatkan platform uji penetrasi otonom berbasis kecerdasan buatan baru bernama AntiFox. Berdasarkan temuan forensik, perangkat lunak pintar ini dipakai oleh aktor ancaman untuk merampas kredensial otentikasi Amazon Web Services (AWS) serta melancarkan pergerakan lateral berbahaya di dalam jaringan yang berhasil disusupi.
"Dalam sejumlah insiden peretasan yang diamati baru-baru ini, sistem berbasis Alibaba Cloud yang meng-host antarmuka operasional AntiFox terbukti terhubung erat dengan tindakan peretasan aktif terhadap berbagai layanan web publik serta ekosistem komputasi awan AWS yang berada di belakangnya," ungkap perwakilan tim riset Arctic Wolf Labs dalam laporan investigasi teknis yang dibagikan secara eksklusif kepada The Hacker News.
Aktivitas ofensif tersebut teridentifikasi menyatukan dan merangkai teknik eksploitasi celah aplikasi web dengan proses penyebaran modul web shell berbahaya guna memfasilitasi penemuan konfigurasi internal, verifikasi data kredensial, pemetaan puluhan inventaris layanan cloud, pencurian berkas rahasia, serta pengoperasian penyimpanan data sensitif.
AntiFox, yang saat ini dapat diunduh secara bebas oleh siapa pun melalui repositori daring GitHub, dipromosikan dan dideskripsikan sebagai platform penetration testing otonom mutakhir yang dikendalikan oleh agen kecerdasan buatan (AI). Pada saat investigasi dan laporan teknis ini ditulis, proyek perangkat lunak sumber terbuka tersebut telah melalui proses forked sebanyak 251 kali dan berhasil mengumpulkan setidaknya 474 bintang apresiasi dari para pengguna komunitas daring.
Pada halaman pengantar dokumentasi teknis atau README di repositori resminya, pengembang utama proyek open-source tersebut menjelaskan mekanisme operasinya secara rinci –
Jika diberikan target uji coba yang sah, sistem multi-agen yang terdiri atas peran perencana (planner), pelaksana tugas lapangan (worker), dan agen pengendali utama (main-agent) akan mengeksekusi operasi penilaian keamanan penuh di atas fondasi inti grafik ganda (dual-graph core)—yang mencakup grafik inventaris aset global serta grafik eksplorasi khusus per tugas—mulai dari proses pengintaian awal, pemetaan permukaan serangan, eksploitasi kerentanan aktif, dokumentasi temuan risiko, hingga penyerahan laporan evaluasi akhir secara transparan, interaktif, dan langsung pakai.
Berbeda secara mendasar dari sebagian besar perangkat pentest otomatis tradisional yang sering kali dinilai "sangat mahir pada fase penemuan masalah, namun terhenti hanya pada tahap identifikasi saja," instrumen AntiFox menaruh fokus dan beban kerja terbesarnya pada penyelesaian hasil akhir—secara otomatis mengubah temuan mentah AI menjadi berkas laporan terstruktur yang mudah dipahami oleh insinyur TI, dapat direproduksi ulang setiap saat, diperkuat dengan bukti konkret, serta dapat langsung diserahkan kepada pihak klien.
Mengacu pada analisa lanjutan dari Arctic Wolf, sebagian tindakan peretasan awal bermula dari aplikasi sistem Internet Information Services (IIS) publik yang rentan dan berhasil dikompromikan. Akses tanpa izin itu lantas dimanfaatkan pelaku untuk menanam berkas ASPX web shell melalui proses kerja resmi "w3wp.exe," sebelum kemudian mengeksekusi rentetan perintah tingkat sistem operasi untuk menjalankan urutan manuver berikut ini –
"Di dalam peladen IIS yang telah disusupi, perintah sistem yang dioperasikan lewat proses w3wp.exe mengidentifikasi konteks eksekusi identitas menggunakan utilitas whoami, memeriksa direktori aplikasi web, mengaudit izin akses direktori memanfaatkan utilitas icacls, serta menguji kapabilitas menulis file baru ke dalam direktori root sistem web," terang Arctic Wolf.
"Pembentukan berkas ASPX web shell melalui proses w3wp.exe yang segera diikuti dengan eksekusi perintah lanjutan melalui proses pekerja IIS yang persis sama, mengindikasikan bahwa peretasan sistem bermula dari celah pada aplikasi web yang bersangkutan."
Hingga saat ini, jenis kerentanan perangkat lunak spesifik yang dimanfaatkan peretas untuk memperoleh eksekusi kode acak pada peladen IIS tersebut masih belum dapat dipastikan secara tuntas. Di sisi lain, pada beberapa kasus serangan siber terpisah, aktor penyerang tercatat memulai aksinya dengan langsung menggunakan kredensial identitas AWS valid yang didapatkan lewat jalur lain yang belum teridentifikasi.
Secara lebih mendalam, penyerang menyalahgunakan identitas kredensial IAM yang sah tersebut guna mengesahkan hak masuk dan memetakan puluhan infrastruktur layanan awan milik korban, termasuk IAM, EC2, S3, Lambda, Secrets Manager, KMS, RDS, ECS, EKS, Redshift, Athena, Glue, Systems Manager, API Gateway, CloudWatch, CloudFormation, DynamoDB, dan Amazon Bedrock.
Meskipun sebagian besar panggilan antarmuka pemrograman aplikasi (API) lintas layanan yang telah terotentikasi tersebut berujung pada penolakan dengan respons galat "AccessDenied," sejumlah manuver inspeksi aset dan ekstraksi data rahasia berhasil ditembus dengan mulus, demikian konfirmasi dari firma keamanan siber tersebut.
Pada sejumlah insiden terkonfirmasi, aktivitas ofensif ini terbukti melangkah lebih jauh dari sekadar pemetaan daftar Secrets Manager hingga berhasil mengeksekusi perintah GetSecretValue untuk menyedot nilai data rahasia dari lingkungan produksi yang krusial. Pada sektor lain, identitas AWS yang sah tersebut dioperasikan guna memetakan direktori S3 serta memanipulasi objek data melalui pemanggilan rentetan API.
"Kerangka kerja berbasis agen mandiri seperti ini mempermudah aktor ancaman dalam mengadopsi teknik-teknik penetration testing canggih, sekaligus melipatgandakan kecepatan serta konsistensi penerapan taktik berbahaya tersebut di dalam kampanye serangan nyata," tegas pihak Arctic Wolf.
Lonjakan Pemanfaatan Alat AI dalam Berbagai Serangan Siber Global
Pengungkapan kasus AntiFox ini mengemuka di tengah tren meningkatnya persenjataan instrumen penetration testing berbasis AI seperti platform ARTEX oleh para peretas untuk menggelar gelombang intrusi berskala masif di kancah internasional, memungkinkan otomatisasi penuh di berbagai tingkatan serangan tanpa membutuhkan banyak campur tangan manusia.
Integrasi kecerdasan buatan telah memfasilitasi kelompok peretas, baik perorangan maupun sindikat besar, untuk merekayasa metode serangan konvensional dan menjalankannya secepat mesin, memangkas durasi peretasan dari pemindaian rahasia di repositori GitHub hingga pencurian data dari brankas Azure Key Vault hanya dalam tempo lima menit.
Pada awal pekan ini, lembaga VECERT mempublikasikan rincian operasi siber bertajuk Operation Ghost-Campus yang diotaki oleh kelompok peretas asal Tiongkok yang memanfaatkan agen AI otonom untuk memperoleh akses tanpa biaya secara permanen ke model bahasa besar (LLM), yang pada akhirnya digunakan untuk memfasilitasi kecurangan akademik berskala besar serta mencuri identitas pribadi lebih dari 5.000 mahasiswa yang terdaftar di Kampus Fengxian.
"Agen cerdas ini mengotomatiskan pendaftaran akun di mesin perayap fofa.info, menyisir ruang siber global guna melacak peladen yang salah konfigurasi, menyedot kunci API OpenAI dan DeepSeek, mengecek sisa saldo keuangan secara otomatis, lalu menyuntikkannya ke dalam infrastruktur pengembang milik peretas," papar perwakilan VECERT.
"Komputasi curian tersebut kemudian menjadi motor penggerak terminal interaktif GoTTY ('Pi — AI Coding Assistant') dan mengalirkan kecerdasan mesin ke dalam skrip bot pemalsu tugas kuliah (bot 'heartbeat') serta modul pengambil data finansial dan informasi identitas pribadi (PII) milik ribuan mahasiswa di Kampus Fengxian."
Berdasarkan catatan telemetri dari Censys, terpantau sebanyak 1.465 host sistem yang mengekspos konsol kontrol ARTEX ke jaringan internet terbuka per 4 November 2026, dengan persebaran terbanyak berlokasi di Amerika Serikat, Hong Kong, Tiongkok, Jepang, Singapura, dan Korea Selatan. Walaupun demikian, tidak semua sistem yang terekspos tersebut dapat dipastikan beroperasi untuk tujuan jahat.
Dalam laporan terpisah, Check Point Research mengumumkan telah mengidentifikasi sebanyak 2.557 instalasi sistem yang meng-host ARTEX, di mana 10 di antaranya mengalami kesalahan konfigurasi parah sehingga mengekspos seluruh isi basis datanya ke publik.
"Pada sebagian besar pola serangan yang diamati, ARTEX memerlukan interaksi manusia yang luar biasa minim begitu sasaran akhir telah ditetapkan," sebut Check Point. "Bukannya mengarahkan aksi serangan tahap demi tahap secara konstan, operator manusia sering kali hanya menetapkan sebuah misi utama lalu membiarkan armada agen AI bekerja mandiri. Keterlibatan manusia hanya sebatas meninjau progres, menanyakan apakah sistem sasaran sudah jebol, atau sesekali mengubah prioritas kerja."
Mayoritas serangan yang terdeteksi ditujukan untuk menguras dompet kripto, mencuri sertifikat penandatanganan kode digital Apple, meretas akun game, serta melancarkan gempuran denial-of-service (DoS) terhadap platform perjudian. Aksi ini memanfaatkan kelemahan umum berupa penggunaan kata sandi bawaan yang lemah, ketiadaan mekanisme otentikasi, celah insecure direct object references (IDOR), dan kerentanan remote code execution (RCE).
Dalam kampanye pembajakan sertifikat Apple, armada agen ARTEX menyisir sistem target untuk mencari basis data sertifikat, lantas menguji validitasnya dengan mencocokkan kata sandi, kunci privat, status pencabutan sertifikat di Apple, masa kedaluwarsa, serta berkas profil provisi terkait.
Pada akhirnya, aktivitas tersebut diperkirakan telah menjarah lebih dari 300 lembar sertifikat beserta kata sandinya, di mana tiga sertifikat berhasil melewati validasi penuh dan berpotensi disalahgunakan untuk menandatangani aplikasi iOS berbahaya secara bebas.
Transformasi paling radikal yang dibawa oleh fenomena peretasan berbasis agen otonom terhadap lanskap ancaman siber masa kini terletak pada dimensi skala operasi dan kecepatan kerja, sebagaimana diingatkan oleh Check Point, mengingat pelaku kejahatan dengan keterampilan teknis minim kini dapat memerintahkan agen AI untuk membedah puluhan target secara paralel serta mengeksploitasinya memakai celah lama maupun zero-day tanpa perlu membuang banyak tenaga manual.
"Relevansinya bagi pertahanan kita bertumpu pada skala, kecepatan, dan persistensinya," tegas CERT-EU dalam buletin peringatannya. "ARTEX sanggup mengevaluasi ribuan kesalahan konfigurasi berisiko rendah, termasuk anomali kecil yang mungkin disadari oleh auditor manusia namun terlewat karena keterbatasan waktu, serta mampu menelusuri rantai serangan yang panjang tanpa mengenal rasa lelah."
"Hal yang persis sama berlaku pula untuk proses perancangan muatan serangan yang rumit. Alur eksploitasi yang memerlukan perakitan payload khusus sering kali menuntut waktu dan upaya yang tidak sebanding dengan urgensi temuan, sehingga penilaian keamanan manual kerap mengabaikannya tanpa diuji sama sekali."
Platform seperti AntiFox dan ARTEX hanyalah bagian kecil dari sekitar 45 kerangka kerja serangan berbasis agen otonom open-source yang sengaja dirancang agar terhubung langsung dengan model LLM serta mampu mengeksekusi keputusan sistem secara independen. Secara umum, puluhan instrumen ofensif ini terbagi ke dalam lima klasifikasi besar –
"Setiap kerangka kerja menyediakan kode sumber terbuka dan menghubungkan model AI ke dalam siklus otomatis yang bertugas mengoperasikan alat keamanan serta mengevaluasi hasilnya," jelas analis GitGuardian.
"Platform pentest AI otonom memberikan kendali terminal shell dan akses jaringan penuh kepada agen pintarnya, sehingga model tersebut dapat merakit alur eksekusi saat berjalan. Perintah penelusuran di GitHub, pengunduhan skrip pemindai, hingga penyaluran kunci rahasia ke modul serangan berikutnya dapat terjadi hanya melalui satu prompt perintah singkat, meskipun modul-modul penunjang tersebut sama sekali tidak tersimpan di dalam repositori aslinya."
