Amazon ha documentado una campaña en la que agentes de inteligencia artificial rastreaban internet en busca de aplicaciones de IA mal protegidas para robar las claves de acceso a proveedores de modelos de lenguaje. La detectó su equipo Amazon Threat Intelligence con servidores señuelo de su red MadPot que imitaban servicios de modelos de lenguaje populares: los agentes de los atacantes les enviaban sus peticiones con historiales de campaña, instrucciones de los operadores y resultados. Amazon cree, con confianza moderada, que funcionaban con ARTEX, una herramienta de código abierto de pruebas de intrusión con IA.
Las claves de la campaña de agentes de IA detectada por Amazon en 30 segundos
- Qué: agentes de IA que buscaban apps de IA expuestas, extraían claves de proveedores y las verificaban.
- Cómo se descubrió: con señuelos de Amazon que se hacían pasar por servicios de LLM y recibían las consultas de los agentes.
- Quién: operadores vinculados a China, según Amazon con confianza moderada, por los prompts en chino simplificado y la zona horaria.
- Objetivos: pasarelas como LiteLLM o One API y plataformas como Dify, Langflow, Open WebUI u Ollama.
- Ojo: Amazon no puede verificar que los robos que reportaban los agentes fueran reales.
El caso, del que informó The Hacker News el 16 de noviembre de 2026, es uno de los primeros en los que se ve desde dentro cómo trabajan los agentes ofensivos. Como los agentes consultan un modelo de lenguaje para decidir cada paso, al apuntar sin saberlo a un señuelo de Amazon le contaban lo que estaban haciendo. Los datos cubren desde el 3 de octubre hasta finales de la semana pasada y abarcan cientos de objetivos.
Cómo trabajan los agentes de ARTEX
ARTEX organiza el ataque como un equipo: el operador le da un objetivo, un agente planificador lo divide en tareas y varios agentes trabajadores ejecutan herramientas de seguridad, mientras un modelo de lenguaje elige el siguiente paso. Cloudflare, que ha visto actividad similar, cree que buena parte estaba solo «ligeramente guiada» por una persona. El repositorio original de ARTEX en GitHub se retiró el 8 de octubre, pero siguen disponibles copias, archivos y una versión comercial llamada ARTEX PRO. Un aviso FLASH del FBI indica que se usa contra organizaciones de todo el mundo desde al menos agosto.
En la campaña principal, los agentes buscaban aplicaciones de IA expuestas a internet, extraían las claves de proveedores que guardaban, comprobaban que funcionaban y las añadían a una reserva compartida. Entre los objetivos figuraban pasarelas y proxies de modelos como One API, New API, Veloera, Sub2API y LiteLLM, y plataformas para crear apps de IA como Dify, FastGPT, Langflow, RAGFlow, Open WebUI, LobeChat u Ollama. Si encontraban credenciales de nube, priorizaban los servicios gestionados de modelos, los almacenes de secretos y las identidades de aplicación. Para encontrar secretos rastreaban escáneres de internet, registros de transparencia de certificados, GitHub, npm, PyPI, capas de imágenes de contenedores, cuadernos, webs de pegado de texto y Telegram.
Fallos de siempre en apps de IA nuevas
Lo que hacía funcionar la campaña no eran técnicas sofisticadas, sino descuidos conocidos aplicados a herramientas nuevas: credenciales de administración por defecto (como la clave maestra por defecto de LiteLLM), instalaciones a medio terminar, endpoints de administración sin autenticar, una omisión de autenticación mediante la cabecera isCliRequest en la familia One API, SSRF para llegar a los servicios de metadatos de la nube, secretos en JavaScript del cliente o ficheros de entorno, y vulnerabilidades conocidas de Langflow (CVE-2025-3248, corregida en la 1.3.0) y RAGFlow (CVE-2026-28797, corregida en la 0.25.0).
El fenómeno no es aislado. Cloudflare ha visto más de 50 familias de herramientas de pentesting con IA escaneando a sus clientes en tres días, y un caso en el que un token de API sin restricciones de IP generó 400 peticiones de volcado de base de datos en una hora. Otra campaña intentó superar con deepfakes los controles de identidad de dos plataformas de criptomonedas, sin éxito en los vídeos en directo. Cisco Talos ha publicado más de 2.500 direcciones IP vinculadas a ARTEX y reglas de Snort para detectarlo.
Las recomendaciones son básicas pero urgentes para cualquiera que despliegue herramientas de IA: cambiar credenciales por defecto, terminar o eliminar instalaciones a medias, buscar secretos en configuraciones, variables de entorno y pipelines, rotar las claves expuestas, poner caducidad y restricciones de IP a los tokens, tratar las apps y pasarelas de IA como cualquier sistema en producción y vigilar gastos o usos anómalos en las cuentas de los proveedores de modelos.
Preguntas frecuentes
¿Qué es ARTEX?
Una herramienta de código abierto de pruebas de intrusión con agentes de IA. Su repositorio se retiró en octubre, pero circulan copias y una versión comercial.
¿Qué buscaban los agentes?
Claves de proveedores de modelos de IA guardadas en apps y pasarelas expuestas, y credenciales de nube con acceso a servicios de IA y secretos.
¿Cómo lo descubrió Amazon?
Con servidores señuelo que imitaban servicios de modelos de lenguaje; los agentes les enviaban sus consultas, con instrucciones y resultados.
¿Cómo protejo mis apps de IA?
Cambiando credenciales por defecto, actualizando Langflow y RAGFlow, rotando claves expuestas, restringiendo tokens y vigilando el consumo de los proveedores.
Fuentes:












