Între finalul lunii septembrie și începutul lunii octombrie 2026, un grup de instituții financiare din Coreea de Sud — de la bănci mari de retail până la case de economii mai mici și platforme de creditare online — a trecut printr-un val de intruziuni atribuite unui singur operator, înarmat cu un framework de pentestare asistat de inteligență artificială.
Ce s-a întâmplat
Cercetătorii de la CrowdStrike au asociat activitatea cu ARTEX, un instrument de pentestare "agentic", open-source, dezvoltat în China și publicat pe GitHub la final de iulie 2026 — cu doar câteva săptămâni înainte de debutul breșelor. În loc să vizeze direct platformele de core banking, puternic protejate, atacatorul a mers după sisteme conexe cu apărări comparativ mai slabe: un portal de verificare a stadiului creditelor, folosit de brokeri financiari la o bancă majoră, și un sistem intern de suport pentru forța de muncă mobilă la alta. Rapoartele indică o listă mai largă de organizații afectate — mai multe bănci, case de economii, o firmă de capital și platforme de creditare online — însă amploarea exactă nu a fost confirmată.
Într-unul dintre cazurile reconstituite de investigatori, operatorul a introdus valori aleatorii într-un serviciu pentru brokeri de credite pentru a identifica numere valide de clienți — o tehnică de tip forță brută care a colectat orice înregistrare personală expusă pe parcurs, mai degrabă decât o operațiune țintită, bine delimitată, împotriva unei singure ținte de mare valoare.
Ceea ce face această campanie neobișnuit de transparentă pentru apărători este o eroare de securitate operațională: infrastructura proprie a atacatorului — un server localizat în Hong Kong — a rămas expusă și conținea jurnale ale sesiunilor unui asistent AI de cod, fișiere de configurare ARTEX și prompturi. Aceste artefacte le-au oferit cercetătorilor o imagine rară asupra modului real de lucru al operatorului: un prompt de sistem în limba chineză care instruia un model de limbaj mare cum să execute sarcini de pentestare, cu DeepSeek V4.1-flash ca back-end principal, rutat printr-un serviciu proxy, în timp ce alte sesiuni arătau utilizarea GLM-5.3 de la Zhipu AI și a Grok 4.6 — sugerând că operatorul a combinat mai multe modele AI în funcție de sarcină.
Aceleași sesiuni expuse ar fi inclus întrebări adresate unui asistent AI despre unde se revând de obicei datele sud-coreene furate și cum pot fi găsite grupuri de Telegram în limba coreeană folosite pentru vânzarea datelor — un detaliu care sugerează o motivație financiară mai degrabă decât spionaj, deși nu dovedește, de unul singur, că a avut loc o vânzare sau identitatea atacatorului.
De ce contează
Nu este o poveste despre AI care inventează exploatări noi. Este o poveste despre AI care reduce drastic timpul și competențele necesare unei singure persoane pentru a derula o intruziune în mai multe etape — cercetarea țintei, scanarea, scrierea de scripturi și păstrarea evidențelor — sarcini care înainte presupuneau o echipă sau cel puțin un efort manual considerabil. Această comprimare permite unui singur operator să sondeze mult mai multe organizații, mai rapid, înainte ca apărarea vreunei ținte să reacționeze. Tiparul se potrivește cu alte raportări din 2026: asistenți AI de cod și cercetare reutilizați de atacatori pentru recunoaștere, suport la exploatare și logistica datelor — nu doar de către apărători.
Pentru organizațiile din sectorul financiar, breșele sunt o reamintire că suprafața de atac depășește cu mult stack-ul de core banking: portalurile pentru brokeri, sistemele self-service pentru angajați, API-urile pentru parteneri și alte aplicații "secundare" pot conține la fel de multe date sensibile despre clienți — și, de multe ori, primesc mai puțină atenție.
Ce e de făcut
- Tratați portalurile destinate brokerilor și angajaților cu același nivel de rigoare ca sistemele de core banking — sunt clar în vizorul atacatorilor.
- Impuneți autentificare puternică și limitați ratele de interogare pentru punctele de enumerare expuse clienților, precum verificările de status credite sau căutările de cont.
- Monitorizați tipare anormale de interogări în masă asupra serviciilor cu înregistrări de clienți, nu doar vârfurile de autentificări eșuate.
- Segmentați depozitele de date sensibile, astfel încât un singur serviciu conex compromis să nu devină o cale către întregul set de înregistrări ale clienților.
- Urmăriți traficul provenit din infrastructură cunoscută de tip proxy pentru instrumente AI de pentestare și tratați uneltele ofensive nou apărute public ca pe ceva ce trebuie monitorizat activ pentru abuz, nu doar ca pe o curiozitate.