Un seul opérateur a utilisé des agents IA pour attaquer des entreprises à la vitesse d’une machine, lançant 105 attaques et finissant par voler plus de 600 000 données de cartes bancaires.
Des chercheurs de Gambit Security ont découvert cette campagne, qui utilisait trois systèmes d’IA open source pour automatiser des tâches normalement réalisées par des pirates humains expérimentés. Les agents recherchaient des cibles et des vulnérabilités, menaient des tentatives d’exploitation, dérobaient des informations et déployaient des logiciels malveillants.
Au moins 27 organisations ont été compromises au cours d’une vague observée sur cinq jours.
La campagne dans son ensemble était active depuis juillet au moins, et les chercheurs affirment que l’opérateur a consacré relativement peu d’argent à l’utilisation des modèles d’IA au regard de l’ampleur de l’activité. Cette affaire constitue donc un exemple concret de la manière dont les agents IA peuvent réduire le travail humain nécessaire pour mener des cyberattaques contre un grand nombre de cibles, un phénomène que Jon Markman de Forbes qualifie de « première démonstration publique d’une nouvelle normalité ».
Comment fonctionne l’attaque agentique visant à dérober des données de cartes
Les chercheurs attribuent la campagne à un opérateur chinois sinophone motivé par des considérations financières.
L’opérateur ne travaillait toutefois pas seul : trois frameworks d’agents IA open source — Strix, Cairn et Hermes — ont effectué l’essentiel du travail, permettant à une seule personne de diriger des attaques contre plusieurs organisations avec relativement peu d’intervention manuelle.
Le processus a commencé avec Strix, qui a recherché des faiblesses sur des cibles potentielles. Parallèlement, Cairn a servi de moteur d’exploitation autonome pour trouver un chemin d’accès à la cible une fois un objectif défini. Hermes a ensuite assuré l’orchestration, en coordonnant l’opération et en exécutant les tâches postérieures à l’accès, notamment l’extraction de données et la modification de l’infrastructure compromise.
La campagne s’est distinguée par sa persistance. Selon HackRead, les agents étaient configurés pour sonder leurs cibles jusqu’à leur réussite, l’expiration du délai imparti ou leur arrêt, ce qui leur donnait de multiples occasions de trouver un chemin viable vers une cible.
Les journaux de Gambit montrent l’ampleur de l’activité ainsi générée. Strix a effectué 146 analyses approfondies sur 138 hôtes entre le 23 et le 31 août, puis Cairn a lancé 105 projets d’attaque entre le 10 et le 15 septembre.
Une fois à l’intérieur, les agents sont passés à la collecte de données de paiement. Dans deux organisations victimes, la campagne a exfiltré plus de 600 000 données de cartes bancaires, et les données récupérées étaient signalées comme non expirées au moment de leur collecte.
L’opération a également créé une deuxième source de données de cartes en installant des scripts d’écrémage web sur des sites compromis.
Dans un cas observé, une tâche cron réinjectait le script d’écrémage toutes les deux minutes, lui permettant de réapparaître même après son retrait par les défenseurs. La campagne ne s’est pas limitée au vol de cartes de paiement.
Gambit a découvert que Hermes effaçait également les champs liés aux cartes de paiement des bases de données Magento après l’exfiltration. Dans un cas, une routine de nettoyage trop large a supprimé 180 tables de base de données, ce qui suggère que l’attaquant disposait d’un accès suffisant pour toucher aux données essentielles de l’application et à l’infrastructure de récupération, et pas seulement pour lire des données de cartes.
Les agents IA open source réduisent le coût des attaques
Les principaux fournisseurs d’IA ajoutent de plus en plus de protections renforcées autour de leurs modèles, mais les modèles open source créent un risque différent.
Les modèles pouvant être obtenus et exécutés en dehors du service hébergé d’un fournisseur n’ont pas à passer par les contrôles de celui-ci, puisqu’ils peuvent être configurés autour des modèles disponibles pour l’attaquant. Hermes, par exemple, était piloté avec Claude Opus 4.6.
L’opération s’est également révélée remarquablement peu coûteuse. La comptabilité plus détaillée de Gambit établit le coût moyen à 25,46 dollars US pour 101 analyses terminées. Le coût total de la campagne se situerait entre 12 000 et 18 000 dollars US, selon l’estimation de Gambit fondée sur la consommation de jetons d’OpenRouter depuis juillet.
Cette évolution de l’économie des attaques a des implications qui dépassent le cadre de cette campagne. Justin Daniels, expert en cybersécurité, membre du corps enseignant d’IANS et associé chez Baker Donelson, a déclaré à eSecurity Planet que la baisse des coûts de l’IA devait de plus en plus être prise en compte parallèlement aux risques de sécurité liés aux modèles et aux infrastructures choisis par les organisations.
« Le problème, c’est que des jetons moins chers n’effacent pas par magie les questions liées à la provenance des modèles, aux données d’entraînement, à la propriété intellectuelle, à la vie privée ou aux risques de la chaîne d’approvisionnement », a déclaré Daniels.
L’essentiel n’est pas de savoir quel modèle a alimenté les attaques, mais de constater à quel point un seul opérateur pouvait automatiser à moindre coût l’analyse, réessayer les tentatives échouées et exécuter une part substantielle du processus d’intrusion contre de nombreuses cibles.
Que doivent retenir les défenseurs de cette attaque ?
Les distributeurs devraient éviter de stocker les numéros de carte en clair et utiliser plutôt la tokenisation ou d’autres mécanismes de contrôle. Une base de données compromise serait ainsi moins utile, car elle contiendrait des jetons plutôt que des données de paiement directement utilisables. Les équipes informatiques devraient également surveiller les pages de paiement, les scripts, les bases de données et les tâches planifiées afin de détecter toute modification non autorisée.
La tokenisation a toutefois un petit défaut : un script d’écrémage peut capturer les données de carte lorsqu’un client les saisit, avant que le processus de paiement légitime ne transforme ces données en jeton. L’intégrité du parcours de paiement devrait donc être considérée comme aussi importante que la sécurité des bases de données.
Pour les acheteurs, les mesures pratiques restent simples : activer les alertes de transaction, vérifier régulièrement l’activité de sa carte et signaler rapidement les opérations suspectes.
La principale leçon est que l’IA a rendu la persistance et la répétition peu coûteuses. La meilleure défense consiste donc à réduire au minimum les données sensibles que les attaquants peuvent obtenir et à rendre difficiles à dissimuler les activités non autorisées sur le parcours de paiement.
Autres actualités : SpyCloud a découvert 258 organisations américaines de l’eau et des eaux usées dont les identifiants volés étaient liés à des systèmes de technologie opérationnelle ou d’accès à distance/