- 管理画面と推論APIの認証・公開範囲を点検する。
- AIモデルへの接続に使う鍵と公開成果物を確認する。
- ソフトウェアを更新し、想定外の利用や支出を監視する。
AWSが公表したARTEXの活動調査は、DifyなどのAI基盤を本番システムと同じ管理に含める必要性を示した。国内の運用担当者が確認する対象を、認証、秘密情報、ソフトウェアの更新、利用監視の順に整理する。[1]
何が起きたのか
AWSは2026年11月13日、AIを使った侵入試験の枠組みARTEXを悪用する活動の調査結果と防御策を公表した。観測に使ったMadPotは、おとりのサービスを提示し、接続してきた相手の動きを記録するセンサー網である。今回はAIモデルの推論APIに見える接続先を用意し、10月3日から11月5日までにAIエージェントから届いた要求を分析した。要求には、エージェントが判断のためにモデルへ渡す作業の履歴や指示が含まれていた。[1]
公表資料が扱う記録には、AIモデルへアクセスする認証情報を探す活動と、暗号資産交換所の本人確認を偽動画などで突破しようとする活動がある。前者では、取得した鍵をAIモデルへの接続に使い、さらに認証情報を探す仕組みが記録されていた。AIを利用する企業の認証情報が、第三者によるAI利用の費用と、次の探索を動かす資源に結び付く点が、運用担当者に関わる問題となる。[1]
AWSが直接観測したのはMadPotへ届いた要求であり、そこに含まれる過去の作業記録には、MadPotの監視外のシステムで行ったとする操作もある。記録が述べる成果の確認状況は、実際に受け取った要求の確認状況と分けて読む必要がある。AWSは影響の可能性がある自社顧客への活動を評価し、必要に応じて通知した。また、各組織が自社環境を点検できるよう、観測した侵害指標を公表している。[1]
AI基盤の管理画面とモデル接続の鍵を一緒に守る
企業のAI基盤
出典 AWS「Amazon Threat Intelligence observes threat actors running cybercrime campaigns with ARTEX AI agents」(2026年11月13日)
なぜ今なのか
今回の防御上の焦点は、AIエージェントが既知の手口を速く、継続的に実行することである。記録では、計画、作業、検証、情報の圧縮を担当するエージェントが、共通の記録を読み書きして分担していた。担当が変わっても前の調査を引き継げるため、個々の操作と、その後に続く探索をつなげて考える必要がある。AWSは、公開された秘密情報や設定の不備は短時間で発見される前提で対処するよう求めている。[1]
認証情報を探す活動では、複数のAIサービスの鍵をまとめて持つ管理基盤が狙われていた。AWSの資料には、LiteLLMなどのモデル接続基盤と、Dify、Langflow、RAGFlow、Open WebUIなどのAIアプリケーション基盤が挙がる。モデル接続基盤は、アプリケーションから受けた要求をAIモデルの提供元へ中継する仕組みである。管理画面に保存した鍵が複数の接続先に使われるため、その管理画面の認証と公開範囲が防御の確認点になる。[1]
資料が挙げる問題は、初期設定の認証情報、コードや公開成果物に残った鍵、認証のない管理画面や推論用の接続先、未更新のソフトウェアである。AWSは、これらの基本的な管理を整えることを有効な防御としている。AIアプリケーションや推論基盤を、ほかの本番システムと同じ統制に含める方針が示された。試験用として導入した基盤でも、外部から接続でき、実際の鍵を持つ状態であれば点検対象となる。[1]
観測した要求を分析し、各組織の点検に使う情報を公表
10月3日〜11月5日
取得した記録の分析
11月13日
出典 AWS「Amazon Threat Intelligence observes threat actors running cybercrime campaigns with ARTEX AI agents」(2026年11月13日)
日本の企業にとって何が変わるか
日本企業がDifyなどを運用している場合、まず、自社が管理するAIアプリケーション、モデルへの中継基盤、推論用の接続先を確認する。AWSが示した問題に沿って、外部に公開している箇所と、利用時に認証を求める箇所を対応させる。管理画面とモデルを呼び出すAPIは用途が異なるため、それぞれの認証と公開範囲を調べる。初期設定の管理者情報や、設定に埋め込まれた共通の鍵を使い続けている箇所も、同じ点検に含める。[1]
次に、AIモデルへ接続する鍵の保存場所を確認する。AWSの資料では、公開コード、配布パッケージ、コンテナのイメージ、クライアント側のJavaScript、デバッグ用の経路などが探索対象として記録されていた。開発担当と運用担当は、鍵を設定した場所に加え、公開する成果物へ鍵が含まれる経路を確認する。公開されている秘密情報や設定の不備を見つけた場合は、短時間で見つかるという前提に沿って対処を進めることになる。[1]
ソフトウェアの更新も、AI基盤の運用管理に含める。資料には既知の脆弱性を使う操作が記録されており、AWSは未更新のソフトウェアを防御上の問題として挙げた。利用しているAIアプリケーションや中継基盤の種類と版を把握し、更新の対象を確認する。鍵をまとめて持つ基盤では、その基盤の問題が接続先の利用にも関わるため、管理画面、保存する認証情報、ソフトウェアの更新を関連付けて点検する。[1]
利用監視では、想定外の支出と不自然な利用を確認する。これはAWSが明示した推奨事項であり、盗まれた鍵がモデルへの接続に転用されるという調査内容に対応する。AIサービスの利用量や費用を確認する担当と、システムの認証や設定を管理する担当が、異常を調べる際に情報を突き合わせられることが重要となる。公表された侵害指標は自社環境を調べる材料とし、基本的な認証、鍵の管理、更新の点検と合わせて使う。[1]
まとめ
今回の調査から、日本企業が確認する対象は、AIのアプリケーション本体から、モデルへの接続先、保存している鍵、利用料金までつながる。AWSはAI基盤を本番システムと同じ統制に含めるよう勧めている。Difyなどの管理画面を運用する担当者は、どこが公開され、どこで認証し、どの接続先の鍵を持つかを対応させることで、点検する範囲を具体化できる。[1]
防御の中心となるのは、初期設定や固定の認証情報を確認し、公開成果物に残る秘密情報を調べ、認証のない接続先と未更新のソフトウェアへ対処することである。運用後は想定外の支出や利用を監視する。エージェントの作業履歴に書かれた内容と、AWSが直接観測した事実の範囲を区別しながら、自社で確認できる設定と利用記録を基に対処を決めることが重要となる。[1]
技術・取り組み / 2026-11-13
AI基盤を本番システムと同じ管理に含める
AWSがARTEXの活動記録と防御策、侵害指標を公表した。
1 エージェントが作業を分担
2 共通の記録で調査を引き継ぐ
3 取得した鍵がモデル接続に使われる
1 管理画面とAPIの認証
2 鍵の保存・公開範囲と更新
3 想定外の利用と支出
出典 AWS「Amazon Threat Intelligence observes threat actors running cybercrime campaigns with ARTEX AI agents」(2026年11月13日)



