Amazon Web Services'in Houston (Teksas) ofisinin cam cephesinde AWS logosu (Tony Webster, Wikimedia Commons)

Amazon Integrated Security CISO'su CJ Moses imzasıyla 13 Kasım 2026 tarihinde yayımlanan AWS Security Blog raporuna göre Amazon Threat Intelligence, tehdit aktörlerinin açık kaynaklı ve ajan tabanlı yapay zekâ sızma testi çerçevesi ARTEX ile siber suç kampanyaları yürüttüğünü tespit etti. Amazon'un küresel tuzak sensör ağı MadPot, 3 Ekim ile 5 Kasım 2026 tarihleri arasında popüler büyük dil modeli (LLM) çıkarım API'leri gibi görünen sensörlere gelen yapay zekâ ajanı isteklerini yakaladı. Bu sensörleri gerçek birer LLM arka ucu sanan ARTEX ajanları; kalıcı görev bağlamlarını, sistem istemlerini, araç geçmişlerini, bilgi grafiği durumlarını ve bildirdikleri bulguları, yani kampanyanın kendi kaydını doğrudan sensörlere iletti. FBI da 13 Kasım tarihinde ARTEX ile «makine hızında» otomatikleşen saldırılar için FLASH uyarısı yayımlamıştı.

Orta Güvenli Atıf ve Çok Ajanlı Mimari

Amazon, istem içindeki ARTEX araç referanslarına ve diğer teknik izlere dayanarak kampanyalarda bu çerçevenin kullanıldığını orta güvenle değerlendiriyor. Sistemde iş; planlayıcı, çalışan, doğrulama ve sıkıştırma ajanları arasında bölünüyor; ajanlar ortak bir bilgi grafiğini paylaşılan hafıza olarak kullanıyor. Yakalanan kayıtlar yüzlerce hedefte keşif, açık testi, kimlik bilgisi hırsızlığı, bulut yetki genişletme ve kripto dolandırıcılığı girişimlerini barındırıyor. Amazon, faillerin birbirinden ayrı Çin bağlantılı tehdit grupları olduğunu da orta güvenle değerlendiriyor. Bu değerlendirme; istemlerdeki basitleştirilmiş Çince kullanımına, Çin saat dilimi ayarlarına, Çin çıkarlarıyla uyumlu hedeflemeye ve ağırlıkla Çin bağlantılı grupların kullandığı araçlara dayanıyor. Sistem talimatlarında Çin anakarası hedeflerini ve devlet alan adlarını dışlayan «kırmızı çizgiler» ile tüm çıkış trafiğinin vekil sunuculardan geçmesi şartı yer aldı.

Kendi Kendini Finanse Eden API Anahtarı Avı

Kaydedilen en belirgin kampanyada, yapay zekâ modellerine erişim sağlayan API anahtarları ve kimlik bilgileri büyük ölçekte hedef alındı. Çalınan anahtarlar ARTEX çerçevesinin kendi model ağ geçidine beslendi ve yeni anahtar arayan ajanların LLM çıkarım maliyetini karşılayarak kendi kendini finanse eden bir düzen oluşturdu. Ajanlar öncü (premium) modellere erişimi genel bulut yetkilerinin önüne koyarken, bulut kimlik bilgileriyle depolama alanlarına, sır ve parametre depolarına, yönetilen yapay zekâ model servislerine ve uygulama kimliklerine yöneldi. Saldırılarda One API, New API, Veloera, Sub2API ve LiteLLM gibi LLM ağ geçidi platformları ile Dify, FastGPT, Langflow, RAGFlow, Open WebUI, LobeChat ve Ollama gibi yapay zekâ uygulama araçları hedef alındı. Sahiplenilebilen kurulumu tamamlanmamış sistemler, kimlik doğrulamasız yönetim uç noktaları, LiteLLM varsayılan ana anahtarı gibi varsayılan yönetici bilgileri, Langflow'daki CVE-2025-3248 ve RAGFlow'daki CVE-2026-28797 güvenlik açıkları, One API ailesinde isCliRequest başlığıyla kimlik doğrulama atlatma, bulut meta veri servislerine SSRF ve istemci JavaScript'i, kaynak haritaları, hata ayıklama yolları ile ortam dosyalarında unutulan sırlar temel sızma yöntemlerini oluşturdu.

Anahtar keşfi aşamasında internet tarama servisleri, sertifika şeffaflık kayıtları, otomatik iptalin dışında kalan sırları barındıran GitHub depoları ve olay arşivleri, npm ve PyPI paketleri, konteyner imaj katmanları, not defterleri, model barındırma alanları, paste siteleri ve Telegram kanalları tarandı. Operasyonlardan biri adları açıklanmayan sabit bir ülke sırasıyla ilerledi, kurumsal üretim sitelerini kişisel projelerin önüne koydu ve 30 günden uzun süredir açıkta olan anahtarları düşük değerli saydı. Bulunan her anahtar L1 (ipucu), L2 (çalışan API çağrısı) ve L3 (okunabilir veri ya da harcanabilir bakiye gibi ölçülebilir etki) seviyeleriyle derecelendirildi.

Kripto Para Borsalarında Gerçek Zamanlı Deepfake ile KYC Girişimi

İkinci kampanyada yapay zekâ ajanları, adları açıklanmayan iki kripto para borsasının kimlik doğrulama (KYC) kontrollerini canlı selfie aşamasında gerçek zamanlı deepfake video, belge kontrolü aşamasında ise sahte kimlik fotoğrafıyla aşmaya çalıştı. Ajanlar bir doğrulama sağlayıcısının canlılık (liveness) protokolünü ayrıntılı tersine mühendislikle çözdü; en iyi denemede yüz görüntüsü hedefe 7 piksel yakınlıkta tüm hareket dizisini tamamladı, ancak sağlayıcının sunucu tarafı kararı kaydedilen her denemede deepfake görüntüyü reddetti. Ayrı bir oturumda tek bir tüketici sınıfı GPU üzerinde açık kaynak yüz animasyon modeliyle saniyede 11,5 kare hızına ulaşan gerçek zamanlı deepfake hattı kuruldu. Belge doğrulama tarafında ise düzenlenmiş görüntüyü dosya düzeyinde dokunulmamış kamera fotoğrafı gibi gösteren sahte kamera meta verisi hazırlandı. Operasyon boyunca para çıkış yolu arama, hesap bakiyelerini boşaltma, deepfake hattı kurma ve doğrulama atlatma görevlerini yürüten en az dört ajan oturumu aynı anda çalıştı.

Doğrulanamayan Bulgular ve Savunma Yaklaşımı

Amazon, gözlemlenmeyen sistemlerdeki etkinliği canlı izlemediğini ve ajanların kendi kayıtlarında bildirdiği sonuçları doğrulayamadığını açıkladı. Raporda çalınan anahtar sayısı, mağdur kurum sayısı ve adları, hedeflenen kripto borsalarının ve ülkelerin adları ya da herhangi bir para kaybı yaşanıp yaşanmadığı yer almadı. Şirket, etkilenmiş olabilecek AWS müşterilerine gerektiği şekilde bildirim yaparken diğer kurumlara yönelik etkinlik doğrulanamadığı için teknik bulguları ve 11 adet IPv4 göstergesini (IOC) kamuoyuyla paylaştı. Amazon'un değerlendirmesine göre bu kampanyalardaki tekniklerin hiçbiri yeni değil; yapay zekâ ajanlarının değiştirdiği asıl unsur saldırganın hızı ve ısrarı oldu. Ajan tabanlı çerçeveler deneysel kullanımdan insan müdahalesi az, kalıcı ve çok hedefli saldırı operasyonlarına geçti. Saldırılar varsayılan ya da koda gömülü parolalar, açık yapıtlarda bırakılan anahtarlar, kimlik doğrulamasız arayüzler ve çıkarım uç noktaları ile yamasız yazılımlar gibi temel güvenlik hijyeninin eksik olduğu noktalarda sonuç verdi. Amazon; açıktaki sırların ve yanlış yapılandırmaların hızla bulunacağını varsayarak düzeltilmesini, yapay zekâ uygulamalarının, model ağ geçitlerinin ve çıkarım uç noktalarının diğer üretim sistemleriyle aynı denetimlere alınmasını ve beklenmeyen harcama veya olağan dışı kullanımla yapay zekâ servislerinin kötüye kullanımının izlenmesini öneriyor.

Türkiye açısından raporda Türkiye'den hedef bulunup bulunmadığına dair bilgi yer almadı; ancak Dify, Ollama, Open WebUI, LiteLLM ve Langflow gibi raporda listelenen açık kaynak yapay zekâ araçlarını kendi sunucusunda çalıştıran kurumlar aynı varsayılan parola ve açık arayüz risklerini taşıyabilir.

Kaynaklar

Kapak görseli: Amazon Web Services Houston ofisi, Tony Webster / Wikimedia Commons, CC BY 2.0 (16:9 kırpıldı, 1200x675).

Sık sorulan sorular

ARTEX yapay zekâ ajanları saldırı maliyetlerini nasıl karşılıyor?

Ajanlar internete açık yapay zekâ uygulamalarından ve LLM ağ geçitlerinden çaldıkları model API anahtarlarını kendi ağ geçitlerine besleyerek yeni anahtar avının LLM çıkarım maliyetini finanse ediyor.

Kripto para borsalarındaki deepfake KYC girişimleri başarılı oldu mu?

Hayır. Amazon'un yakaladığı kampanya kayıtlarına göre canlılık protokolü tersine mühendislikle çözülüp hareket dizisi tamamlansa da doğrulama sağlayıcısının sunucu tarafı kararı kaydedilen her denemede deepfake girişimini reddetti.

Saldırılarda hangi yapay zekâ araçları ve güvenlik açıkları hedef alındı?

One API, New API, Veloera, Sub2API ve LiteLLM ağ geçitleri ile Dify, FastGPT, Langflow (CVE-2025-3248), RAGFlow (CVE-2026-28797), Open WebUI, LobeChat ve Ollama uygulamaları varsayılan parolalar, kimlik doğrulamasız uç noktalar ve unutulan sırlar üzerinden hedef alındı.