AIDEFEND in Action AIA-0127 實際事件

Chainstack 入侵事件:測試用 Grafana 代理讓攻擊者連上未驗證的高權限 MCP 伺服器

Chainstack 是一家區塊鏈基礎設施業者。業者在追查 2026 年 10 月的入侵事件時,發現測試環境的監控平台 Grafana 可以代理連線到內部的 MCP 伺服器(MCP 是讓 AI 呼叫外部工具的協定)。這台 MCP 伺服器沒有驗證呼叫者身分,卻擁有 Kubernetes 容器叢集的 cluster-admin 最高管理權限;攻擊者接著利用竊得的機器憑證,進一步連入正式環境。調查確認攻擊者存取了資料庫、竊取機密憑證(secrets),並留下多種重開機或跨環境維持權限的後門路徑,但無法還原個別 MCP 呼叫內容,也沒有證據顯示客戶節點曾遭修改。業者研判攻擊過程使用了自動化工具 ARTEX,但這並不能直接用來確認攻擊者是誰。

Credential TheftPrivilege EscalationIdentity & AccessTool AuthorizationMCP Security
16 項對應的 AIDEFEND 防禦手法

威脅分析

  • 一般基礎設施設定失守,讓內部高權限工具門戶大開:事件報告未發現遭利用的軟體漏洞;已確認的入口問題是,測試環境的 Grafana 沿用預設管理員憑證,且資料來源代理沒有設定連線目標限制,讓攻擊者得以透過它連上沒有身分驗證的 Kubernetes MCP 服務。由於這個服務持有 cluster-admin 權限,任何人只要連得上,就能用叢集最高權限執行操作。
  • 機器憑證讓攻擊從測試環境跨進正式環境:攻擊者直接從資料庫改寫自動化工作流程並執行,藉此取得機器憑證,再靠這些憑證讀取正式環境的機密資料(secrets)、查詢正式資料庫,並部署多種持久化後門。必須注意的是,商業智慧(BI)工具的憑證濫用、從雲端中繼資料(metadata)服務竊取節點 token,以及靜態 Pod(由節點直接管理、不經排程器控管的常駐容器)中繼這三條線,不能混為一條連續因果鏈。
  • 已確認的影響與尚未證實的範圍:客戶帳號資料庫確定遭到存取;節點憑證雖然因風險評估而列為已外洩,但沒有實際被讀取的證據,客戶節點、控制台與 API 工作負載也都沒有被竄改。此外,將 MCP 判斷為「命令執行跳板」是事後鑑識推測,而 ARTEX 也只代表攻擊工具特徵,不能當成特定駭客組織的歸因。

適用的 16 項 AIDEFEND 防禦手法

AID-H-004.001
User & Privileged Access Management
高
業者可以把這個 AI 工具環境的管理入口納入強制單一登入與抗網路釣魚的多因素驗證(MFA),換掉初始預設憑證並封閉直接本機登入的繞過路徑。實際從 Grafana 對外入口測試:是否還能只靠密碼登入、舊的驗證工作階段過期後是否仍有效,以及帳號復原流程會不會繞過 MFA。不過 MFA 只保護人員登入,不會自動驗證 MCP 請求或撤銷已遭竊的機器金鑰。
AID-H-004.002
Service & API Authentication
高
MCP 操作進入處理程式前,先要求經驗證的工作負載身分及正確的目標受眾(audience),別把內部位址當成身分驗證。建議透過經審查的授權閘道或伺服器整合來落實,並封閉直接繞過後端的路徑;接著實際測試缺少、過期、簽發者不符與目標受眾錯誤的 token 是否都會被擋下。通過身分驗證後,仍須檢查操作權限。
AID-H-017.002
Least-Privilege Tool Architecture
高
用用途明確、權限受限的工具與服務帳號,取代原本的通用 cluster-admin 執行器,把權限縮到真正需要的操作(verbs)、命名空間與資源範圍。一般 Agent 操作不應該包含列出機密(secrets)、建立特權 Pod、替換工作負載檔案或管理身分權限。測試時要看實際生效的 Kubernetes 權限,特別注意 list 回應本身是否會直接夾帶 secrets 內容。
AID-I-002.001
Internal AI Network Segmentation
高
限制 Grafana 與 MCP 服務的內部網路連線,只放行真正需要的資料來源與核准相依服務,並直接從已部署的工作負載實測允許與禁止路徑,涵蓋主機網路與代理通道;如果只在儀表板層級設定網址允許清單、卻沒有在網路層實際封鎖,防線仍不完整。此外,開發與正式環境的身分、機密儲存庫及網路路徑要完全分開;除了網路對接,也須檢查存取閘道註冊、身分聯邦及部署等間接路徑。因為本案跨多種雲端邊界,要將框架裡的 AWS 範例改寫成各家雲端對應的原生控制,並實際讀回生效設定確認,不能把 AWS 政策直接套到其他平台。
AID-E-001.001
Root & Long-Lived Credential Object Eviction
高
封閉可讀取副本與未授權入口後,到實際負責驗證的端點更換所有外洩的長期憑證,包含外部服務金鑰;新憑證只發給清理乾淨的服務,並實測舊值確定遭拒。Chainstack 在切斷網路後仍有部分複製 token 繼續有效,正說明只改本機設定是不夠的。保留物件識別碼與稽核證據後,還必須移除攻擊者另外新增的雲端金鑰與長期憑證;重新列舉所屬帳號並驗證每個已移除物件都無法再登入,因為只更換原本被偷的金鑰,處理不到攻擊者自己建的備份金鑰。
AID-E-001.002
Issued Token, Authentication Session & Lease Revocation
高
依事件範圍盤點已簽發的閘道、雲端與客戶驗證工作階段,逐一使其失效。如果該類 token 無法立即撤銷,就在資源端直接拒絕,或維持服務隔離直到它過期並確認無法再使用。不能以為刪掉母金鑰,已簽發的工作階段就會自動失效。
AID-E-001.003
AI Agent & Workload Principal and Issuance Disablement
高
先停用攻擊者新增的這組 Kubernetes 工作負載身分與其憑證簽發路徑,保留鑑識證據後再依核准範圍移除。動手前先核對不可變身分與角色綁定,並實測不能再簽發新 token 或通過驗證;衍生出的子憑證仍需另外盤點。
AID-E-002
AI Runtime Process, Lease & Pod Eviction
高
刪除受入侵的 Pod 前,先暫停或鎖定負責管理它的控制器以免自動重建,並從 Kubernetes API 與節點執行環境兩邊確認 Pod 已消失。若是靜態 Pod,還要刪掉主機上的權威設定檔;只刪 API 裡的鏡像 Pod 物件,節點還是會把它重新拉起來。重建時只能使用經獨立檢查的乾淨範本。
AID-E-003.003
Confirmed Malicious Code & Persistence Eviction
高
從正式部署來源(如 GitOps/IaC)以及每台已載入設定的主機與叢集,清除確認為惡意的 ConfigMap、開機啟動服務與靜態 Pod 設定檔。保留證據並用可信雜湊值核對替換內容後,再到隔離的乾淨副本實測正常重開機不會再把它拉起來。11 月 2 日主機重啟後後門又再度執行,正說明單純關機並不等於清除了持久化機制。
AID-H-034.001
MCP Server Deployment Profile, Transport & Exposure Baseline
高
在具高權限的內部 MCP 端點前強制啟用雙向 TLS(mTLS),並檢查用戶端工作負載身分是否有權連線。由可信代理驗證用戶端憑證,同時封死直接連到後端的路徑;Grafana 資料來源請求若沒有核准身分就應直接拒絕,不能靠請求自己附上的轉送標頭冒充。這樣能守住服務連線邊界,至於每個工具能操作哪些 Kubernetes 資源,仍需另外做授權檢查。
AID-R-006
Clean-Room AI System Redeployment Orchestration
高
使用可信且雜湊值固定的復原工作流程,按驗證過的相依順序重建受影響主機與 Kubernetes 服務。復原清單必須納入掛載的應用檔案、靜態 Pod 設定、開機啟動服務與替換後的新身分,不能只看到容器映像沒變就直接信任。相依服務啟動前,先確認惡意啟動項與遭竊憑證已清除並簽核;對外重新連線前,還要經過獨立檢查確認整套服務的實際部署與對外行為都正常。
AID-D-011.004
Non-Human Identity & Delegated Token Abuse Detection
中
把機器身分的簽發與資源存取紀錄,拿來對照已核准的工作負載、目標受眾(audience)與資源歸屬關係,追查大量讀取 secrets、異常新增憑證物件、節點 token 在外部被使用,以及不尋常的 BI 工具存取。分析前先確認每條身分與資源紀錄的完整度;光靠名稱裡含有 artx,不足以當成高把握度證據。
AID-R-004
Fleet Remediation Propagation & Technical Recurrence Prevention
中
把驗證通過的修正轉成強制性的部署與設定檢查基準:禁止預設管理員憑證、禁止未驗證的高權限 MCP、禁止工具綁定 cluster-admin,也禁止未核准的開發到正式環境連線。定期拿線上的實際部署跟基準比對;如果只檢查程式碼儲存庫裡的政策,很容易漏掉早已部署卻被遺忘的測試叢集。
AID-H-003.005
Infrastructure as Code (IaC) Security Scanning for AI Systems
中
部署承載或可連到高權限 MCP 服務的基礎設施前,同時掃描原始 IaC 設定與實際展開後的部署計畫(rendered plan)。把不安全曝露、過度開放的橫向網路路徑與過寬的工作負載權限列為明確阻擋項目,並搭配本案測試案例;用來產生計畫的環境絕對不能持有正式環境憑證。這道閘門管的是透過 IaC 送出的宣告式變更;如果有人直接進執行中的叢集改設定,還是得靠執行期強制管制與監控來擋。
AID-M-001.006
Internal AI Endpoint & Agent-Service Discovery
中
平台管理者可以把 Kubernetes 叢集的 Service、Ingress、工作負載與私有端點清單,拿來和實際掃描觀察到的內部 AI 服務比對,範圍須納入高權限 MCP 端點與 Grafana 能接觸的網段。以經授權的唯讀探索搭配無害協定檢查,把未掃描到的叢集與驗證失敗的端點明確標記為「未知」而非安全。這能找出未登錄或意外可連的服務交給團隊處理,但本身不會幫忙做身分驗證或拿掉 cluster-admin。
AID-D-005.011
Incident-Time AI Volatile-State Capture & Evidence Preservation
中
萬一再次發生事件,平台應變人員可在關機前先用預先部署好的唯讀蒐集器,依經簽章核准的欄位清單保存當下還看得到的 MCP 請求識別碼、執行中 Pod/程序資訊、掛載設定版本與網路狀態,並設好嚴格的時間與容量上限,寫入不可變儲存空間後讀回確認。排除原始 secrets 與提示詞,就算只拿到部分資料也不要為了蒐證拖延圍堵。這能留住重啟後會消失的現場線索,但無法事後補回本次調查未記錄到的歷史 MCP 呼叫。

身為資安防禦者,我們應該這麼做

  • 平台業者應該在人員登入與服務呼叫兩端都落實身分驗證,把 MCP 工具與 Kubernetes 權限縮到最小,並且實際測試內部網路以及開發環境究竟能不能連進正式環境;這些內部控制只有平台自己能改,客戶無法代勞。
  • 應變時,先分別盤點原本的憑證與攻擊者新增的憑證、已簽發的工作階段、身分帳號、執行中的 Pod,以及重開機後會自動載入的持久化設定。更換任何機密憑證(secrets)前,一定要先把能讀取舊憑證的管道封死,再直接到負責驗證或資源控管的端點確認,舊授權確實會被拒絕、惡意物件也都已徹底移除。
  • 受影響客戶應依 Chainstack 指示更換密碼、節點憑證與平台金鑰。復原前先做獨立檢查,確認沒問題後再把正確設定套用到所有環境,包括平常最容易被忽略的測試叢集。

結論

這起事件清楚說明:當 AI 工具繼承了過大的基礎設施權限,只要前面任何一道入口失守,後果就會直接擴散到整個叢集。AIDEFEND  把可實際部署的防禦手法對應到登入、服務驗證、工具權限、網路分段、憑證清除與乾淨復原這六道邊界;光靠在提示詞裡提醒「不要這樣做」,完全無法取代這些由系統強制執行的控制。

最後更新: