Sept institutions financières sud-coréennes ont subi des fuites de données entre fin septembre et début octobre 2026. Environ 66 000 à 67 000 personnes et près de 2 200 entreprises ont été touchées, avec des informations personnelles, professionnelles, de revenus et de prêts exposées. CrowdStrike avait déjà signalé l’utilisation d’ARTEX, un cadre de test d’intrusion autonome développé en Chine. Hunt.io a permis de cartographier l’environnement opérationnel complet de l’acteur financier.

L’enquête, notifiée au CERT national avant publication, va au-delà des indicateurs initiaux. Les rapports publics mentionnaient un serveur à 38.244.50[.]120 et un domaine de revente LLM, xcai[.]pro. L’analyse des répertoires ouverts a révélé une machinerie plus sophistiquée. On y a trouvé des configurations Claude Code, des shims de routage de modèles personnalisés, et dix-neuf compétences d’agents dédiées à la reconnaissance ou à l’analyse de logique de paiement.

L’infrastructure analysée inclut un serveur de jump basé à Hong Kong (23.248.226[.]250). Ce serveur dissimulait des configurations faisant appel à plusieurs grands modèles de langage. Les scripts récupérés référençaient des composantes liées à DeepSeek, GLM et Grok, confirmant une installation multi-modèles. Cela correspond aux observations de CrowdStrike, qui avaient identifié DeepSeek v4.1 Flash comme moteur principal. L’acteur utilisait également des proxys, dont 154.201.79[.]246:443, où 79 adresses IP de sortie uniques ont été observées dans un échantillon de cent identités.

La chaîne d’exploitation et les pivots d’infrastructure

La découverte de 23.248.226[.]250 a permis de comprendre comment l’attaquant jonglait entre les services. Ce jump server contenait des scripts assurant la persistance des tunnels SSH inversés, en plus d’un staging pour des exploits JNDI/LDAP. C’est là que le système d’IA prend toute son ampleur. Un petit proxy, ds-models-shim.py, est nécessaire pour contourner un problème de compatibilité. Il simule une liste de modèles afin que Claude Code puisse communiquer avec DeepSeek, au lieu d’Anthropic. Ce détail technique, selon le rapport Hunt.io, est révélateur de la façon dont les acteurs malveillants adaptent des outils open source pour atteindre des objectifs spécifiques.

En parallèle des opérations IA, des artefacts d’exploitation Linux, des utilitaires pour appareils mobiles et des outils ciblant des échanges de cryptomonnaies ont été récupérés. Les rapports indiquent que l’acteur, jugé par CrowdStrike comme un individu chinois parlant et motivé par le gain financier, a utilisé cette architecture complexe.

L’évolution des tactiques adverses

Ce cas illustre la fusion des capacités offensives traditionnelles avec l’agentivité des IA. Les données récupérées offrent une vision beaucoup plus granulaire de la méthodologie de l’acteur. Les attaquants ne se contentent plus d’utiliser une IA ; ils construisent des systèmes complexes autour d’elle, intégrant des couches de masquage, de routage et de diversification des services.

On constate aussi que l’usage d’ARTEX n’est pas un phénomène isolé. D’autres chercheurs ont noté l’exposition de centaines de serveurs hébergeant cet outil de pentesting, permettant théoriquement à n’importe qui d’y accéder. La rapidité avec laquelle ces outils peuvent être mis en œuvre et déployés, notamment lorsqu’ils sont couplés à des LLM, est ce qui inquiète. Il faut surveiller comment ces architectures d’IA opérationnelle vont évoluer au-delà des simples tests de vulnérabilité documentés.

Sources

• ARTEX Exposed: Infrastructure Behind the South Korea Bank Hack, hunt.io
• Unknown Threat Actor Uses AI-Driven ARTEX to Target South Korean Finance, crowdstrike.com
• Inside ARTEX: AI Hacking Tools, Exposed Servers and South Korean Bank Breaches, Security Affairs, 7 novembre 2026
• Hundreds of Artex AI hacking tools found publicly exposed to the web, TechCrunch, 6 novembre 2026
• CERT-In Flags AI-Driven Attacks as Backdoored ARTEX Exposes 62 Consoles to Root Access, The Hacker News, 5 novembre 2026