AML.T0006 · Active Scanning

閱讀 MITRE ATLAS 中 AML.T0006「Active Scanning」相關的 6 個 AI 資安案例,查看事件證據、適用範圍與 AIDEFEND 防禦分析。

風險分類說明

Adversaries may actively scan for publicly reachable AI systems and resources for targeting. They may identify resources or systems that are misconfigured or are known vulnerable versions. This is distinct from other reconnaissance techniques that do not involve direct interaction with the victim system. Since AI systems are often deployed in cloud environments, adversaries can use various enumeration methods to effectively discover AI systems and uncover information about their supporting underlying platforms. For agentic and SaaS-hosted systems, the victim system can include the shared platform and provider control plane on which the victim's agents are deployed. Adversaries may probe the victim system to gather information and metadata for targeting, or actively scan for specific open ports on a potential victim's network or accessible deployed servers, with the goal of locating different types of deployed AI services. These methods could also include directly scanning a target's assets for publicly available AI agents, or for accessible agentic chat interfaces on SaaS platforms (ex: [Copilot Studio Hunter](https://github.com/mbrg/power-pwn/wiki/Modules:-Copilot-Studio-Hunter-%E2%80%90-Enum)). Information gained from Active Scanning may yield targets that provide opportunities for other forms of reconnaissance such as [Search Open Technical Databases](/techniques/AML.T0000), [Search Open Websites/Domains](/techniques/AML.T0095), [Search Open AI Vulnerability Analysis](/techniques/AML.T0001), or [Gather RAG-Indexed Targets](/techniques/AML.T0064).

框架官方來源 ↗ · 開啟互動探索 ↗

Incident ·

Claude 評估 agent 越界,入侵三個無關組織

Anthropic 檢查資安能力評估紀錄後,發現 2026 年 4 至 7 月的六次執行,涉及三起真實入侵事件。提示詞把環境描述成隔離模擬,但實際上仍可連網。不同 agent 分別攻擊與虛構目標同名的真實公司、把惡意套件發布到 PyPI,或掃描公網應用程式。套件在 15 個系統執行,其中一個掃描器洩漏了憑證。這是三條獨立路徑,不能串成同一個 agent 的連續行動,也不能拿來估算一般攻擊成功率。

沿用 SecureFlow 來源步驟的 ATLAS 標註;不是 MITRE 對跨框架對應的背書。

SecureFlow · 閱讀完整案例 ↗

Validated Research ·

透過日曆邀請對 Gemini 發動提示詞攻擊

SafeBreach 在 Gemini 網頁版與 Android 版示範,日曆邀請及電子郵件可夾帶間接提示詞注入。取回指令後,助理可能立即改寫回覆或操作日曆;另一些路徑則把指令留在對話紀錄,等使用者之後互動時,再調用 Google Home、開啟網站或啟動 Zoom。Gmail 外洩路徑先在初次回覆組好來源網址,把另一封郵件的主旨放進網址,之後才因使用者再次互動而開啟。這些是不同的受控示範,不能串成每次都會發生所有影響的單一路徑,也不是已確認的惡意活動。

沿用 SecureFlow 來源步驟的 ATLAS 標註;不是 MITRE 對跨框架對應的背書。

SecureFlow · 閱讀完整案例 ↗

Incident ·

ShadowRay:挾持暴露在外的 Ray 叢集

Ray 是一套開源的 Python 框架,用來把正式環境的 AI 工作流程擴展到大規模執行。Ray 的 Job API 在設計上就允許遠端執行任意程式碼,卻沒有提供身分驗證,而且預設設定可能讓整個叢集直接暴露在網際網路上。Oligo 的研究人員發現,這些 Ray 叢集已經被實際利用至少七個月。攻擊者可以拿受害組織的運算資源來用,也能竊走有價值的資訊。研究人員估計,這些被入侵機器的價值接近 10 億美元。 研究人員向 Ray 的維護者 Anyscale 通報了五個漏洞,Anyscale 很快修正了其中四個。不過第五個漏洞 CVE-2023-48022(https://nvd.nist.gov/vuln/detail/CVE-2023-48022)仍處於爭議狀態。Anyscale 主張 Ray 不做身分驗證是一項設計決定,Ray 本來就應該部署在安全的網路環境中。Oligo 的研究人員則稱它為「影子漏洞」,因為在爭議狀態下,這個 CVE 不會出現在靜態掃描結果中。

沿用 SecureFlow 來源步驟的 ATLAS 標註;不是 MITRE 對跨框架對應的背書。

SecureFlow · 閱讀完整案例 ↗

Incident ·

DeepSeek 驅動 Hermes Agent 嘗試入侵 Langflow 與 n8n:已記錄的嘗試未得手

一名使用中文、化名 knaithe 或 KnYuan 的攻擊者,把 Hermes Agent(一套通用 agent 框架,本案被用來執行攻擊任務)設定成以 DeepSeek(商用大型語言模型)作為推理引擎。Hermes 提供終端機存取、透過 Telegram 操控,以及一套 skill 系統,裡面同時有框架內建與攻擊者自製的紅隊 skill。攻擊者還接上一個 MCP server(Model Context Protocol,讓 agent 呼叫外部工具的介面),對外開放 FOFA(用來搜尋網際網路上曝露資產的服務)查詢、查詢語句翻譯,以及 Nuclei(開源漏洞掃描工具)掃描腳本產生等能力。 Palo Alto Networks 旗下的 Unit 42 取得了一份 2026 年 5 月 7 日、內容詳細的 Hermes Agent 執行工作階段記錄。攻擊者透過 Telegram 下達初始任務,之後 Unit 42 在整段工作階段中沒有再找到任何操作者輸入。接下來,由 DeepSeek 驅動的 Hermes Agent 就自主尋找目標、取得公開的漏洞利用程式、執行掃描、評估結果,並調整做法。 agent 一開始鎖定 Langflow(用來建立 LLM/AI 應用與工作流程的開源低程式碼平台;本案針對的是它對外開放的服務),使用 CVE-2026-33017(CVE 是公開資安漏洞的識別編號)的公開漏洞利用程式。它判斷可用的目標都不符合這支程式所需的前提條件後,就放棄這條路,跨 10 個產品家族比較漏洞,再依嚴重度、曝露程度與可利用性挑中 n8n(開源的工作流程自動化平台)。接著它取得串接 CVE-2026-21858 與 CVE-2025-68613 的公開漏洞利用鏈,並探測透過 FOFA 找到的候選系統。雖然有幾個系統看起來執行受影響的版本,agent 卻發現它們並不具備所需的未驗證檔案上傳功能。所有自主漏洞利用嘗試都沒有取得任何存取權。 另有工作區證據記錄了攻擊者的人工操作,包括對 Citrix NetScaler 抽取資料、在 Marimo 上執行命令,以及對 Tomcat 與 IKE VPN 系統嘗試建立反向 shell。 Unit 42 之所以能看到這些內容,是因為 Hermes Agent 回應一個 Telegram 命令時,直接從攻擊者的家目錄 /home/worker 啟動了一個 HTTP 檔案伺服器,而不是用隔離的暫存目錄。這個失誤把攻擊者的整個工作區意外曝露出來,包括 AI 工具設定、API key、漏洞利用腳本、目標清單、Bash 歷史紀錄,以及自主漏洞利用的工作階段記錄。

沿用 SecureFlow 來源步驟的 ATLAS 標註;不是 MITRE 對跨框架對應的背書。

SecureFlow · 閱讀完整案例 ↗

Incident ·

GTG-1002:攻擊者將網路間諜行動拆解為日常任務,濫用 Claude Code 協助滲透

Anthropic 於報告中揭露,2025 年 9 月有具國家背景的攻擊團隊鎖定約 30 個組織展開滲透,並導致少數單位受害。攻擊者假借執行正當資安檢測的名義,將整場攻擊行動拆解成數十個看似普通、合理的技術小任務,藉此規避安全防護並利用 AI 程式開發工具 Claude Code 加速攻擊流程。對 AI 服務提供者而言,此事件凸顯了多輪對話整體脈絡監控與輸出端嚴格把關的重要性,同時也表明防護邊界無法延伸至攻擊者本機執行的工具。

沿用 SecureFlow 來源步驟的 ATLAS 標註;不是 MITRE 對跨框架對應的背書。

AIA · 閱讀完整案例 ↗ · SecureFlow · 閱讀完整案例 ↗

Incident ·

多 agent 框架入侵台灣政府系統

2026 年 7 月初,一名身分不明、使用中文的操作者,以 Hermes 與 OpenClaw(兩套用來讓多個 AI agent 分工執行任務的開源框架)組成的多 agent 框架,攻擊後續公開報導指認為台灣的政府系統。資安研究團隊 Dream Research Labs 取得了攻擊方一批約 160 MB 的攻擊作業資料,裡面有 1,395 個檔案,記錄了 7 月 1 日到 7 月 4 日之間發動的 12 波攻擊。台灣數位發展部另外證實,7 月間偵測到異常攻擊,型態是人工操作結合 OpenClaw 等 AI agent 輔助。 這套 agentic AI 框架最多同時派出八個各有專責的子 agent,分別負責偵察、身分驗證攻擊、API 測試、漏洞研究與漏洞利用。框架內建一個機率式決策引擎,會對發現的問題與 14 條候選攻擊路徑評分,把更多測試資源投到看起來有機會的結果上,捨棄已被驗證為無效的路徑,並依每一波的事後檢討報告調整接下來的行動。 攻擊從一個可從網際網路直接連到的政府入口網站開始。框架把網站送到瀏覽器的前端程式碼套件反編譯,藉此找出相連的系統、身分驗證基礎設施與對外開放的 API。接著它從三個方向取得存取權:對外曝露的除錯端點、會接受未簽章 JWT 的 API,以及拿從未驗證 API 取得的員工識別碼去進行密碼噴灑。框架用 Tesseract OCR(把圖片上的文字辨識出來的開源工具)自動破解登入頁的 CAPTCHA 圖形驗證碼,據報導協助攻陷 85 個帳號;其中 84 個帳號還透過一個單一登入(SSO)橋接,在不需要再做多因素驗證(MFA)或使用者確認的情況下,直接登入另一個政府資訊系統。 Dream Research Labs 指出,外流的資料包括超過 2,564 筆人事紀錄、一份完整的使用者資料庫匯出檔、SSO 設定與已註冊的 client 資訊、資料庫的連線帳號密碼,以及內部網路的位址範圍。 AIDEFEND 分析:政府受害單位可在自己管理的系統邊界採用五項既有控制:以 AID-I-003.001 在應用程式與 API 入口暫時封鎖已核實的惡意來源;以 AID-DV-006 將已停用的除錯路徑導向隔離的誘餌,且不轉回真正後端;以 AID-E-001.001 重設遭入侵的人員密碼;以 AID-E-001.002 撤銷經 SSO 濫用或由除錯端點發出的工作階段;再以 AID-R-003.001 於撤銷完成後重建可信的互動式登入。這些是部署建議,不表示受害單位當時已採用,也不代表部署 AIDEFEND 就會自動阻止整起攻擊。實作需要可信的偵測結果、可運作的阻擋與身分系統介接,以及獨立驗證。 應優先補上人員資料 API 的身分驗證與讀取授權、移除會直接發出已驗證工作階段的除錯端點、拒絕未簽章或簽章錯誤的 JWT,並強化密碼與 MFA 政策。每條獨立存取路徑都須測試:封鎖來源或撤銷 SSO 工作階段,不會修好公開 API 或 token 偽造漏洞。處理 SSO 入侵時,須盤點各核發方及下游服務的工作階段類型,讓受影響的工作階段全部失效,並確認舊工作階段在各服務都遭拒絕,再開放恢復登入。來源提到 Keycloak 設定,但未證實所有遭濫用的 SSO 工作階段都由 Keycloak 核發;指引提供的撤銷腳本只適用於經確認的 Keycloak 線上使用者工作階段,其他類型須另接各自的管理介面。 重設密碼須使用受影響身分系統的管理介面:AID-E-001.001-G002 明文允許使用其他供應商的等效原生 API,但不能原封不動套用它的 Cognito 腳本。舊密碼與舊工作階段是否失效,必須分別測試。JWT 修復方面,AID-H-004.002-G001 確實提供拒絕 alg:none、驗證簽章與身分資訊的程式;但完整指引規範的是機器/服務存取 AI 系統的身分驗證,本案受害 API 未證實符合此範圍,因此列為需調整的實作參考,不算正式映射。撤銷 token 不能取代修正驗證端。 此外,若模型服務由獨立營運方管理,且能觀察足夠脈絡並執行限制,AID-D-001.001、AID-H-002.002 與 AID-D-003.005 仍是有部署前提的反濫用候選。報告未指出實際模型、代管方式,或供應商能看到的工作階段範圍;這些候選不計入政府受害單位的防禦映射。

沿用 SecureFlow 來源步驟的 ATLAS 標註;不是 MITRE 對跨框架對應的背書。

SecureFlow · 閱讀完整案例 ↗