Direct naar de inhoud
Beveiligingsnieuws

AI-agenten stelen API-keys uit AI-apps: Amazon waarschuwt

AI-agenten stelen API-keys

Amazon waarschuwt voor een nieuwe golf aanvallen waarbij AI-agenten stelen API-keys uit internet-exposed AI-applicaties. In waarnemingen van het threat-intelligence team werden decoy-servers ingezet om vast te leggen wat de geautomatiseerde tools probeerden te doen—met als doel provider- en toegangssleutels te verzamelen en direct te hergebruiken.

Belangrijk: Amazon geeft aan de exacte uitkomsten van de agenten niet volledig te kunnen verifiëren. Toch is de richting glashelder. Waar klassieke beveiliging faalde op basisprincipes, kijken deze agenten razendsnel waar sleutels liggen en of ze werken.

Wat Amazon heeft gezien: van decoy-servers tot gestolen sleutels

Het team legde gegevens vast met decoy-servers die zich voordeden als bekende LLM-diensten. Daarmee konden ze registreren welke verzoeken de agenten stuurden en welke informatie ze meestuurden tijdens hun werk.

De vastgelegde records beschrijven een patroon: de agenten doorzoeken systemen, gebruiken gevonden sleutels om AI-modellen aan te roepen en proberen vervolgstappen uit te voeren. Amazon stelt met matige zekerheid vast dat de agenten waarschijnlijk draaiden op ARTEX, een open-source toolset voor penetration testing.

Waarom juist AI-apps kwetsbaar zijn

De kern van het probleem is dat veel AI-apps werken als een gateway of hub: ze bevatten configuraties en integraties waarmee meerdere AI-providers worden gebruikt. Als één beheer- of authenticatiepad zwak is, kan dat toegang geven tot meerdere accounts of providers.

Amazon noemt expliciet dat de agenten vooral succesvol leken wanneer er sprake was van bekende beveiligingsgaten zoals:

  • default of hard-coded beheerderscredentials;
  • onvoltooide installaties waar een buitenstaander controle kan overnemen;
  • interfaces en inference-endpoints zonder afdoende authenticatie;
  • lekkende geheimen in code, publieke bestanden of configuraties;
  • onopgeloste softwarekwetsbaarheden in tooling rondom AI flows.

Welke applicaties en onderdelen zijn genoemd

In de beschikbare beschrijvingen worden meerdere populaire LLM-gateways, proxies en AI-app builders genoemd. Voorbeelden die terugkomen in de waarnemingen zijn onder meer LiteLLM en de One API-familie, naast tools zoals Dify, FastGPT, Langflow en RAGFlow.

Daarnaast gaat het om heel praktische ingangen: endpoints voor management en providerinstellingen die minder strikt beveiligd zijn, scenario’s waarin auth bypass mogelijk is via specifieke request-headers (zoals isCliRequest in systemen binnen de One API-familie), en misbruik van URL-fetch functionaliteit om via SSRF (server-side request forgery) naar interne cloudmetadata te reiken.

Ook noemt Amazon zaken als secrets die in client-side JavaScript achterblijven, plus routes voor debugging en omgevingsbestanden die informatie bevatten.

Hoe de agenten sleutels vinden: scannen, zoeken en valideren

Volgens Amazon werden sleutels gezocht via een combinatie van internet scanning en OSINT-achtige bronnen. Daarbij werd onder andere verwezen naar methodes zoals het gebruik van scanningdiensten, certificate transparency logs, en het doorzoeken van publiek beschikbare code- en artifactbronnen.

Voorbeelden van vindplekken die in de beschrijvingen terugkomen zijn GitHub-repositories, eventarchieven, npm- en PyPI-pakketten, container image layers, notebooks, model-hosting omgevingen, paste-sites en zelfs Telegram-kanaalachtige bronnen.

Na het ontdekken van vermoedelijke credentials proberen de agenten te verifiëren dat de sleutels echt werken. Vervolgens worden ze toegevoegd aan een gedeelde pool—waardoor verdere exploratie efficiënter wordt.

Een tweede spoor: ARTEX en compromis van tokens in CI/CD

Los van de AI-app campagne beschrijft Amazon ook een geval waarin Cloudflare incident responders zagen dat ARTEX toegang kreeg tot een gecompromitteerd API-token dat werd gebruikt voor CI/CD.

De details die genoemd worden zijn verontrustend concreet. Het token had geen IP-restricties en ook geen rate limiting. Daarna volgden binnen ongeveer een uur honderden verzoeken gericht op database-dumps. Cloudflare meldt niet of er daadwerkelijk data is teruggekomen.

In de daaropvolgende activiteit verschenen nieuwe worker-scripts met namen die aan ARTEX gerelateerd waren. Amazon beschrijft ook dat de activiteit op meerdere delen van het Cloudflare-account draaide en dat het gedrag deels licht “geleid” leek door een menselijke operator.

Wat je als verdediger kunt checken (praktische checklist)

Amazon benadrukt dat veel technieken niet nieuw zijn. Wat verandert volgens het threat-intelligence team is de snelheid en persistentie: waar aanvallers voorheen meer handwerk deden, kunnen agenten sneller opsporen waar precies de zwakke plek zit.

De aanbeveling is daarom om AI-apps, model gateways en inference-endpoints als volwaardige productiesystemen te behandelen. Met de realistische aanname dat blootgelegde geheimen snel gevonden worden.

1) Sluit de basis: credentials en installaties

  • Vervang default administrator credentials, bijvoorbeeld default master keys bij gateways.
  • Laat geen “half af” installatieproces openstaan waar iemand anders later alsnog toegang kan nemen.

2) Zoek secrets in je omgeving en pipeline

  • Scan configuratiebestanden, environment variables, deployment scripts en CI/CD-pijplijnen op ingebedde secrets.
  • Controleer ook databases en container images op blootgelegde waarden.
  • Als je iets vindt: roteer de credentials snel nadat je de bron hebt opgeschoond.

3) Beperk API-tokens en maak ze tijdgebonden

  • Geef Cloudflare API tokens een vervaldatum.
  • Beperk waar mogelijk het gebruik door client IP-adressen.
  • Werk met nieuwe tokens die detecteerbaar zijn via prefixing (zodat secret-scanners sneller kunnen signaleren).

4) Let op herkenbare ARTEX-achtige artifacts

  • Controleer op worker scriptnamen die passen bij ARTEX-achtige varianten, zoals artex-* en vergelijkbare patronen.
  • Gebruik loganalyse om te letten op onverwachte activiteit: ongebruikelijke bestedingen, plotselinge pieken in gebruik, of gedrag dat niet bij normale workload past.

5) Gebruik indicatoren en netwerkdetecties

Amazon noemt ook dat ze logs hebben gerelateerd aan specifieke IP-adressen die in decoy-findings voorkwamen, en dat andere onderzoekers indicatorbestanden hebben gepubliceerd met aanvullende adressen. Voor netwerkdetectie worden bovendien Snort-regels genoemd voor specifieke sporen rond ARTEX-activiteiten.

Als je eigen SOC die tooling gebruikt, loont het om deze detecties te vergelijken met je huidige alerting en te bepalen waar je al dekking hebt en waar je moet bijsturen.

Waarom dit extra urgent is voor organisaties met meerdere AI-providers

In de beschreven aanpak worden vooral apps interessant gevonden die sleutels voor veel verschillende AI-providers centraliseren. Daardoor kan één zwakke plek impact hebben op meerdere leveranciers en ketens tegelijk.

Daarnaast zagen onderzoekers dat aanvallen niet alleen gericht zijn op het “vinden” van sleutels, maar ook op het direct benutten ervan: sleutels moeten werken, en de aanvaller wil daarna door naar de volgende doelen.

Wil je meer context over hoe agentische technieken de verdediging onder druk zetten? Lees dan ook AI-agent stoppen: zo reageer je bij misbruik.

Extra aandacht: CI/CD tokens die nooit verlopen

Een terugkerend patroon in de Cloudflare-gerelateerde incidenten is het gebruik van statische CI/CD tokens zonder expiratiedatum. Dat geeft een aanvaller langdurige toegang zodra een token eenmaal is gecompromitteerd.

Als je wilt voorkomen dat een AI-gerelateerde aanval direct doorwerkt in je infrastructuur, is het verstandig om je tokenbeheer te herijken: time-bound tokens, minimale rechten en snelle rotatie bij incidenten.

Als je daarnaast in je organisatie vaak incidenten rond ingrijpende compromissen moet duiden, kan ook Cybersecurity roundup: incidenten, hacks en fixes helpen om patronen uit meerdere onderzoeken te vergelijken.

Conclusie: pak AI-key beheer en endpoint security nu aan

De waarschuwing van Amazon laat zien hoe AI-agenten stelen API-keys kunnen versnellen: ze scannen, proberen, valideren en bouwen voort op wat ze vinden. De juiste reactie begint niet bij paniek, maar bij het toepassen van basismaatregelen die tegelijk vaak worden vergeten: default credentials verwijderen, geheimen opsporen in je code en pipeline, tokens tijdgebonden maken en endpoints beter afschermen.

Behandel je AI-gateways en inference-omgevingen als productie. Dan verklein je de kans dat één zwakke beheerpagina of onbeschermd geheim leidt tot brede toegang tot AI-providers en managed services.

Bron: https://thehackernews.com/2026/11/amazon-uncovers-ai-agent-campaign.html