Volgens recente analyses zetten door de staat ondersteunde dreigingsactoren ARTEX in: een op Go gebouwd AI-gebaseerd pentestframework waarmee ze gelijktijdig meerdere doelwitten kunnen aanvallen. Het gaat niet om één willekeurige campagne, maar om een aanpak die volgens onderzoekers teams in staat stelt sneller en breder te opereren dan met volledig handmatig werk.
In dit artikel leest u wat er bekend is over de ARTEX AI-aanvallen, welke ketens en misbruiken zijn waargenomen, en hoe u uw verdediging kunt aanscherpen op de punten waar dit soort geautomatiseerde intrusies vaak doorheen glipt.
Wat is ARTEX en waarom valt het op?
De bevindingen beschrijven ARTEX als een agentic (meerdere componenten samen) framework dat met AI ondersteunt bij het uitvoeren van verkenning en het zoeken naar kwetsbaarheden. CrowdStrike koppelt de activiteit aan een China-gebaseerde actor die het volgt als Vapor Panda (eerder onder een andere naam). De groep zou sinds minstens februari 2021 actief zijn, met overlappende kenmerken met een cluster dat eerder door andere partijen is beschreven.
Het opvallende is de schaal. Vanaf 17 oktober 2026 zou Vapor Panda met ARTEX meer dan 200 verschillende organisaties wereldwijd hebben benaderd. In plaats van één doel tegelijk, richten de aanvallen zich op meerdere sectoren en regio’s tegelijk.
Van planning naar uitvoering: agenten die samen werken
Volgens de analyses draait het model rond een samenwerking van “planner”- en “worker”-agents. Ze coördineren onderling om een gezamenlijk doel te bereiken: van initiële toegang naar host-verkenning en laterale beweging binnen omgevingen. Een menselijke operator blijft in beeld, maar stuurt eerder bij dan dat alles volledig handmatig wordt gedaan.
Dat verschil in werkwijze is relevant voor verdedigers. Waar klassieke intrusies vaak een herkenbaar patroon hebben dat u in tijd en volgorde kunt volgen, proberen geautomatiseerde agenten meerdere paden tegelijk te bewandelen. Als een pad faalt, stappen ze over op alternatieven. Daardoor is het lastiger om één “klassieke” kill chain te verwachten.
- Agents kunnen parallel meerdere aanvalsroutes proberen in webapplicaties, cloudservices, containers, Active Directory en infrastructuur voor mail en VPN.
- Een operator stuurt doorgaans het doel en de richting bij (in plaats van elke stap afzonderlijk uit te voeren).
- Technieken verschuiven wanneer verdedigingsmaatregelen een route blokkeren.
Welke doelen werden getroffen?
De onderzoekers noemen verschillende categorieën doelwitten. Daarbij gaat het onder meer om diplomatieke entiteiten en overheidsorganisaties. Ook zouden er doelwitten zijn getroffen in sectoren als halfgeleiders, defensie, denktanks en telecom.
Concreet werden in de toelichting onder andere vermeld: buitenlandse ministeries in delen van Latijns-Amerika, Centraal-Amerika en Azië; een interieurministerie in het Midden-Oosten; en een Europese staatsorganisatie met betrokkenheid van meerdere beleids- en defensie-onderdelen.
Daarnaast werd voor de VS melding gemaakt van 19 organisaties in onder meer farmaceutica, halfgeleiders, defensie, nucleaire sector en financiële dienstverlening. Voor telecomproviders gaat het om meerdere locaties (waaronder VS, België en de Filipijnen).
Na toegang: wat er is gezien na de eerste fase
Na de eerste succesvolle intrusies zouden voor negen organisaties post-exploitation-activiteiten zijn bevestigd. Daarbij wordt genoemd dat de aanvaller een variant inzet van ShadowPad (genoemd als BLOODALCHEMY), gevolgd door onder meer credential spraying, netwerkscanning en reconnaissance.
Ook voor nog eens ten minste twaalf extra organisaties zijn activiteiten beschreven rond wachtwoordspraying en credential-scanning. Dit past bij een realistische strategie: eerst breed verkennen en toegang “vinden” waar de omgeving het meest kwetsbaar lijkt.
Hoe ARTEX AI-aanvallen “brandstoffen” gebruiken: LLM’s en token-schaal
De kern van de werking zit volgens de rapportage in het combineren van ARTEX met meerdere LLM-backends. Daarbij wordt expliciet genoemd dat er gebruik zou zijn gemaakt van DeepSeek én een nog onbekend, abonnement-achtig commercieel LLM. Het doel is om het technische niveau dat nodig is voor complexe intrusies te verlagen.
Wat ook de aandacht trekt, is de schaal van input tijdens planning. In één intrusie zouden planner-agents in de orde van 1,4 miljard input tokens hebben verbruikt. Dat geeft een indicatie van hoe intens geautomatiseerde planning kan zijn, en hoe groot het “werkvolume” is dat door een klein team wordt gestuurd.
Waargenomen aanvalspatronen: ketens en misbruik
De analyses beschrijven dat de aanvallers bewezen technieken combineren met agentische orkestratie. Hieronder staan de belangrijkste voorbeelden die in de toelichting zijn genoemd.
Cloud- en identiteitsketens
Er wordt gemeld dat er een combinatie is ingezet van een ongetekende SAML-assertie en een XXE-kwetsbaarheid (XML external entity) om toegang te krijgen tot de cloud Instance Metadata Service. Vervolgens zou men een rol verkrijgen waarmee administratieve commando’s kunnen worden uitgegeven aan grote aantallen instances, om daarna toegang te escaleren tot een account op enterprise-niveau.
Web shells en misbruik van container- en orchestration-context
Verder worden web shells genoemd, in combinatie met misbruik van een niet-geauthenticeerde orchestrationservice om root-toegang te verkrijgen in een production containeromgeving. Daarna worden onder andere het uitlezen van LAPS-wachtwoorden en het gebruik van resource-based constrained delegation beschreven om een hoogprivileged account te imiteren.
Credential- en tokenmisbruik
In een ander voorbeeld zouden agents authenticatiesleutels hebben gebruikt die sinds 2022 niet waren geroteerd. Met die sleutels zouden administrator-tokens zijn vervalst, gevolgd door het uitlezen van mailboxes. In de volgende fase zou men VPN-configuraties hebben opgehaald uit eerder verstuurde e-mails en een VPN-client key hebben ingezet afkomstig uit een e-maillek (met een link naar mei 2024) om het interne netwerk te bereiken.
Wat betekent dit voor uw verdediging?
De belangrijkste les uit de ARTEX AI-aanvallen is niet alleen dat er “AI” wordt gebruikt, maar dat AI-agenten de uitrol van technieken versnellen en tegelijk meerdere routes proberen. Dat vraagt om verdedigingsmaatregelen die niet leunen op één tijdgebonden patroon.
Concreet kunt u focussen op drie categorieën: identiteit en privilege, detectie van laterale beweging en beheersing van misbruik in web- en cloudlagen.
- Rotatie en hardening van sleutels: sleutelrotatie en controle op verouderde authenticatiemiddelen helpen bij het breken van “sleutel-gedreven” escalatie.
- Detectie rond web shells: verhoog de scherpte op hostinggedrag in webcontext en ongebruikelijke activatie van scripts of code.
- Monitoring op cloudmetadata en SAML/XXE-achtige ketens: log en alert op ongebruikelijke tokengebruik, role assignment en queries naar metadata.
- Beperk laterale beweging: segmentatie en least privilege verminderen de impact als een actor één pad vindt.
Snel toepasbare checks (praktisch)
Als u vandaag nog wilt bijsturen, zijn dit logische controles die aansluiten op de genoemde misbruiken.
- Controleer of legacy SAML-configuraties en XML-verwerking goed zijn afgeschermd en gepatcht, en of validering strikt is ingericht.
- Ga na of wachtwoordspraying- en credential-scans al worden gedetecteerd (rate limiting, alerts op afwijkende login-patronen, MFA/conditional access).
- Verifieer container- en orchestrationrechten: voorkom ongeauthenticeerde routes naar verhoogde privileges.
Voor meer context over hoe geavanceerde aanvallen zich op meerdere lagen kunnen richten, kunt u ook kijken naar een eerder bericht over schaalbare inbraakvarianten: Volt Typhoon en Silent Train: vier zero-days. Dat helpt om te begrijpen hoe verschillende kwetsbaarheden in een bredere campagne kunnen samenkomen.
En als u specifiek wilt focussen op het “operationaliseren” van security-remediatie in de praktijk, biedt Veilige security-remediatie: Observe, Prove, Act een bruikbaar denkkader om maatregelen niet alleen te kiezen, maar ook te valideren.
Nieuwe dreiging, vertrouwde principes
ARTEX AI-aanvallen laten zien dat cybercriminelen en staatsactoren snelheid en schaal kunnen toevoegen met agentische tooling. Dat verhoogt de druk op teams om sneller te patchen, beter te monitoren en minder afhankelijk te zijn van “één patroon per aanval”.
Tegelijk blijven de fundamentele verdedigingsthema’s hetzelfde: sterke identity-hygiëne, strikte configuratie, en detectie die niet alleen kijkt naar één stap, maar naar de combinatie van signalen over web, cloud, containers en interne netwerken.
Door nu gericht te controleren waar ARTEX volgens de analyses doorheen kon bewegen, verkleint u de kans dat geautomatiseerde planning uw omgeving als makkelijk doelwit ziet.
Bron: https://thehackernews.com/2026/10/chinese-hackers-use-ai-powered-artex-to.html
