KI-Hackertool ARTEX: Angriffe auf Banken in Südkorea, Spuren in Japan
Das Open-Source-Tool ARTEX lässt externe KI-Modelle automatisch nach Schwachstellen suchen und wurde bei Angriffen auf südkoreanische Finanzinstitute missbraucht. Auch in Japan fand GMO Cybersecurity das Tool in Angriffsinfrastruktur. Der Fall zeigt, wie KI Angriffe billiger und schneller macht – ganz ohne neue Sicherheitslücken.

Worum es geht
Bei Angriffen auf südkoreanische Banken und andere Finanzinstitute kam ARTEX zum Einsatz, ein Open-Source-Werkzeug für automatisierte Penetrationstests (erlaubte Angriffssimulationen zur Schwachstellensuche). Das analysierten CrowdStrike und Zscaler. Am 19. Oktober meldete GMO Cybersecurity by Ierae, das Tool auch bei einer Angriffsquelle gefunden zu haben, die japanische Unternehmen ins Visier nahm.
Wie ARTEX funktioniert
ARTEX hat selbst kein KI-Modell. Es steuert vorhandene große Sprachmodelle (ChatGPT, Claude, DeepSeek) als Team von Agenten, wie das Wall Street Journal laut Herald schreibt. Entwickelt wurde es vom Chinesen Li Puhua (Alias Autumn-27), laut ThreatBook als Privatprojekt des Produktleiters von deren Plattform RedAgents. Es gewann einen Angriff-und-Verteidigung-Wettbewerb von Baidu (laut koreanischen Medien unter rund 150 Teams).
Die Architektur besteht aus „Goals“ (Ziele zerlegen), „Planner“ (nächsten Schritt entscheiden), „Worker“ (Tools ausführen, standardmäßig bis zu 3 parallel) und „mainagent“ (Eingriff durch Menschen). Wissen wird in einer Asset-Map (Systeme und Zugänge) und einer Explorations-Map (Fakten und Abhängigkeiten) gespeichert; jede Aktualisierung weckt den Planner erneut.
Der Angriff in Südkorea
Laut CrowdStrike lief die Kampagne von Ende September bis Anfang Oktober gegen mindestens neun Institute. Hauptmodell war DeepSeek v4.1-flash, ergänzt durch GLM-5.3 und Grok 4.6. Der Täter nutzte auch Claude Code. Weil er offene Verzeichnisse auf einem Server ließ, fanden Ermittler Verläufe, Konfigurationen und Fragen, wo man koreanische Daten verkaufen und passende Telegram-Gruppen finden kann. Es gab zwei Server (Hongkong plus ein Server für ARTEX). CrowdStrike hält den Täter mit mittlerer Sicherheit für chinesischsprachig und finanziell motiviert, ohne Zuordnung zu einer Gruppe. Reuters nennt laut Yahoo-Bericht einen 26-Jährigen aus Guangdong, der alles bestreitet.
Die Schritte: Suche nach Randsystemen (Abfrageportale, mobile Mitarbeiter-Backends), Eindringen per SQL-Injection (Einschleusen von Datenbankbefehlen) oder Authentifizierungs-Umgehung, Abfluss von Namen, Telefonnummern, Einkommen und Kreditrahmen, dann Verkaufssuche. Die Finanzsicherheitsbehörde sagte: Die KI sei kein autonomer Akteur gewesen, Hacker hätten sie als Werkzeug genutzt. Angriffe liefen über mehr als 20 IPs in über zehn Ländern.
Zahlen und Schäden
| Quelle | Angabe |
|---|---|
| CrowdStrike | mindestens 7 Firmen |
| Zscaler | ca. 67.000 Personen |
| FSC (14. Okt.) | 16 Firmen, ca. 100.000 Datensätze |
Bei Shinhan Bank waren es 25.729 Personen, KB Kookmin 119, Hana 89, BNK Busan 11. Passwörter und Kartennummern sind laut FSC nicht betroffen. Die Eingänge waren Systeme für Mitarbeiter und Partner, nicht das Kunden-Banking.
CrowdStrike meldete zudem am 29. Oktober, die China-nahe Gruppe VAPOR PANDA habe mit ARTEX und DeepSeek binnen 11 Tagen über 200 Organisationen in über 14 Ländern angegriffen; ein Zusammenhang mit Korea oder Japan ist nicht belegt.
Spuren in Japan
GMO fand eine Angriffsquelle mit ARTEX, die rund 20 japanische Firmen anvisierte, 9 davon aus derselben Branche. Weitere sechs KI-Angriffsserver zielten auf Handel, Bildung, Versicherung, Logistik und mehr; 8 Ziele hatten 2026 schon Vorfälle gemeldet. Medien nennen insgesamt etwa 80 Firmen. Laut Epoch Times bestätigte GMO fünf weitere ARTEX-Server, der Blogautor weist jedoch darauf hin, dass im GMO-Blog nur die erste Quelle ausdrücklich ARTEX zugeschrieben wird. Genannte Datenlecks (Lawson, Yamato, GMO Research & AI) wurden bislang nicht öffentlich mit ARTEX verknüpft.
Sicherheitsmechanismen und Gegenmaßnahmen
ARTEX blockiert zwar Regierungs- und Uni-Domains, nicht aber Finanzinstitute, so Zscaler. Der Entwickler machte den Code am 8. Oktober closed-source; Forks kursieren weiter. Empfohlen werden: weniger öffentliche Dienste, Rechteprüfung bei jeder Anfrage, Ratenbegrenzung, Überwachung von Verbindungen zu KI-APIs und Isolation von Testtools.
Einordnung
KI schafft keine neuen Lücken, senkt aber Aufwand und Können für Angriffe. Offen bleiben Täteridentität und Gesamtumfang in Japan.
Videos zum Thema
Quellen
- Bing News (ja-JP) note.com
- yahoo.com yahoo.com
- theepochtimes.com theepochtimes.com
- biz.heraldcorp.com biz.heraldcorp.com
- Bing News (en-GB) msn.com
- Bing News (en-US) techtimes.com
- Bing News (de-DE) cryptopolitan.com
- Bing News (en-US) note.com
- Bing News (ja-JP) note.com
Frag den KI-Assistenten
Fragen zu diesem Artikel, zur Installation oder zu Hintergründen? Unser Assistent kennt diese Seite und läuft auf unserem eigenen Rechner, nicht in einer fremden Cloud.
Der Assistent ist eine KI (Gemma 4) und kann sich irren – wichtige Angaben bitte in der Quelle prüfen. Fragen werden nur zum Beantworten genutzt und nach einer Stunde gelöscht. Bitte keine persönlichen Daten eingeben.
Kommentare
Was meinst du dazu? Schon ausprobiert? Schreib es hier, ohne Anmeldung.
Kommentare sind öffentlich. Links sind nicht erlaubt, beleidigende Beiträge löschen wir. Deinen eigenen Kommentar kannst du in diesem Browser jederzeit wieder löschen. Mehr dazu in der Datenschutzerklärung.