Amazon identifica agentes de IA em campanha para roubar chaves de API e explorar aplicações expostas
Uma investigação de inteligência de ameaças da Amazon identificou agentes de inteligência artificial usados para procurar chaves de API, testar credenciais e tentar explorar aplicações de IA acessíveis pela internet. Os registros analisados, coletados entre 3 de outubro e 5 de novembro de 2026, indicam uma operação automatizada em que credenciais encontradas poderiam ser reutilizadas para ampliar a busca por novos alvos – e até custear o próprio uso de ferramentas de IA pelos invasores.
A análise foi conduzida com dados da MadPot, rede de sensores que simula serviços conectados à internet para observar atividades suspeitas. Parte desses dispositivos imitava interfaces compatíveis com APIs de modelos de linguagem. Ao interagir com os sensores, agentes associados ao framework ARTEX enviaram prompts, instruções persistentes, histórico de ferramentas e informações de memória operacional. Esse material ajudou a revelar objetivos e procedimentos descritos pelos próprios sistemas automatizados.
Há, porém, limites importantes no que foi possível confirmar. A Amazon informou ter identificado os registros e notificado clientes da AWS que poderiam estar em risco, mas não conseguiu validar todos os ataques e resultados que os agentes afirmavam ter obtido em sistemas de terceiros. A associação da atividade ao ARTEX e a grupos com vínculos chineses foi considerada de confiança moderada. Idioma ou fuso horário configurado nos sistemas, por si só, não são provas suficientes para atribuir uma operação a determinado país ou grupo.
Por que gateways de IA são alvos valiosos
A campanha não se restringia à procura de uma chave isolada. Gateways de modelos e plataformas para criar aplicações de inteligência artificial – como LiteLLM, One API, New API, Dify, Langflow, RAGFlow, Open WebUI e Ollama – podem centralizar ou intermediar credenciais de vários serviços. Assim, uma única interface administrativa mal protegida pode expor chaves de diferentes provedores, projetos e ambientes.
O risco aumenta quando uma instalação permanece com configurações iniciais, tem o painel administrativo disponível publicamente ou armazena segredos sem proteção adequada. Também pode haver exposição acidental quando chaves são incluídas em arquivos de configuração, código publicado, imagens de contêiner ou repositórios acessíveis.
Os registros descrevem etapas que vão da descoberta de serviços à verificação do valor das credenciais. Entre as técnicas observadas ou consideradas estavam tentativas de usar senhas e chaves padrão, acesso a painéis sem autenticação, exploração de falhas conhecidas, consultas SSRF a metadados de serviços em nuvem e busca por segredos em arquivos de ambiente, JavaScript, mapas de origem, repositórios e camadas de imagens.
Duas vulnerabilidades aparecem no repertório relatado: a CVE-2025-3248, relacionada ao Langflow, e a CVE-2026-28797, associada ao RAGFlow. A presença dessas falhas na análise não significa que todas as instalações desses produtos estejam vulneráveis ou tenham sido comprometidas. O risco depende da versão usada, das correções aplicadas e da configuração de cada ambiente.
Como as credenciais podem financiar novos ataques
Os agentes não tratavam todas as chaves da mesma forma. Uma credencial aparentemente válida, mas sem capacidade de realizar operações relevantes, tem valor diferente de outra que permite consumir modelos pagos ou acessar informações. Segundo a Amazon, parte das chaves obtidas teria sido adicionada ao gateway de modelos utilizado pelos próprios operadores. Com isso, o consumo de IA empregado na procura por novas vítimas poderia ser cobrado dos donos das credenciais comprometidas.
A automação também distribuía o trabalho entre agentes com funções distintas, como planejar, executar tarefas, verificar resultados e consolidar informações. Uma memória compartilhada ajudava a preservar o progresso entre etapas, reduzindo a necessidade de repetir buscas já realizadas.
O prejuízo pode começar com cobranças inesperadas por chamadas e tokens, mas não necessariamente termina na fatura. Uma chave de nuvem com permissões amplas pode abrir caminho para consultar identidades, listar recursos de armazenamento, acessar cofres de segredos ou alcançar aplicações conectadas. Já uma credencial restrita à inferência de modelos não concede automaticamente esses acessos: o impacto depende das permissões efetivas e dos vínculos existentes entre os serviços.
Sinais que merecem investigação
Um crescimento abrupto no volume de requisições, o uso de modelos em horários incomuns ou chamadas originadas de regiões e endereços inesperados podem indicar abuso de uma chave de API. Também vale investigar alterações repentinas nos limites de consumo, erros repetidos de autenticação e tentativas de acessar modelos ou funções que a aplicação normalmente não utiliza.
Esses sinais precisam ser analisados em conjunto. Um aumento de consumo pode resultar de uma mudança legítima no produto, enquanto uma única tentativa de login malsucedida não comprova uma invasão. A correlação entre registros da aplicação, do provedor de modelos, da nuvem e da ferramenta de gestão de identidades ajuda a distinguir um pico normal de uma atividade automatizada.
A equipe de segurança deve observar separadamente os indícios de exposição de dados e de ampliação de privilégios. Acessos fora do padrão a cofres de segredos, criação de novas credenciais, mudanças em políticas de IAM e consultas incomuns a serviços de armazenamento podem apontar para riscos mais graves do que o simples uso indevido de uma API de inferência.
Medidas para reduzir a exposição
O primeiro passo é retirar da internet painéis administrativos e interfaces que não precisem ser públicos. Quando o acesso remoto for necessário, ele deve passar por mecanismos de autenticação robustos, restrições de rede e controle de acesso. Também é importante concluir a configuração inicial de cada plataforma, substituir credenciais padrão e manter aplicações e dependências atualizadas.
As chaves devem seguir o princípio do menor privilégio: cada credencial precisa ter somente as permissões indispensáveis para sua função. Separar credenciais por aplicação, ambiente e provedor reduz o alcance de um possível vazamento. Chaves de desenvolvimento, por exemplo, não devem ter acesso aos mesmos recursos de uma credencial de produção.
Segredos não devem ser inseridos diretamente no código-fonte nem incluídos em arquivos que possam ser publicados ou empacotados. O armazenamento deve ocorrer em serviços apropriados, com controle de acesso e registro de consultas. Equipes também podem adotar ferramentas para detectar credenciais em repositórios e imagens de contêiner antes da implantação.
Por fim, é essencial preparar a resposta antes de um incidente. Isso inclui saber quem pode revogar uma chave, como emitir uma substituta e onde verificar os efeitos da credencial antiga. Diante de uma suspeita, a organização deve interromper ou limitar o acesso da chave afetada, revisar logs, avaliar cobranças e permissões, procurar sinais de movimentação para outros serviços e rotacionar segredos potencialmente expostos.
A combinação de monitoramento, atualização, controle rigoroso de permissões e capacidade de revogação reduz tanto a chance de comprometimento quanto o tempo necessário para conter seus efeitos. Em ambientes de IA, proteger o gateway e as credenciais associadas é especialmente importante, pois um único ponto exposto pode reunir acessos que, separadamente, seriam mais difíceis de explorar.
