تحقیقات امنیتی نشان می‌دهد که یک پلتفرم نوظهور تست نفوذ خودکار (Agentic Penetration Testing) به نام AntiFox، برای سرقت اعتبارنامه‌ها (Credentials) سرویس‌های ابری Amazon Web Services (AWS) و انجام حرکت عرضی (Lateral Movement) در محیط‌های نفوذشده مورد استفاده قرار گرفته است.
در این حملات، مهاجمان با زنجیره‌ای از تکنیک‌ها شامل اکسپلویت وب (Web Exploitation) و استقرار وب‌شل (Web Shell)، اقدام به کشف پیکربندی‌ها، اعتبارسنجی اعتبارنامه‌ها و شمارش سرویس‌های ابری (Cloud Service Enumeration) می‌کنند. یافته‌ها حاکی از آن است که مهاجمان از طریق آسیب‌پذیری در اپلیکیشن‌های IIS، موفق شده‌اند با استفاده از فرآیند w3wp.exe، وب‌شل‌های ASPX ایجاد کرده و دستورات سیستم‌عامل را برای انجام عملیاتی نظیر شناسایی محیط اجرا، بررسی دسترسی‌ها و تست قابلیت نوشتن فایل در روت وب اجرا کنند.
نکته بسیار حائز اهمیت، توانایی این ابزار در عبور از مرحله شناسایی و دسترسی موفق به مقادیر حساس (Secrets) در محیط‌های عملیاتی (Production) است. در برخی موارد، مهاجمان موفق شده‌اند از طریق سرویس Secrets Manager، به مقادیر حساس دسترسی پیدا کنند و در موارد دیگر، از هویت‌های معتبر IAM برای عملیات روی سرویس‌هایی نظیر S3، EC2، Lambda و RDS استفاده کرده‌اند.
این پدیده بخشی از یک روند گسترده‌تر در تسلیح ابزارهای تست نفوذ مبتنی بر هوش مصنوعی (AI-powered Pentesting Tools) مانند ARTEX است. این ابزارها با استفاده از چارچوب‌های عامل‌محور (Agentic Frameworks)، به مهاجمان اجازه می‌دهند تا مراحل مختلف یک نفوذ را با حداقل دخالت انسانی و با سرعت بسیار بالا انجام دهند. این موضوع باعث شده است که حتی مهاجمان با سطح دانش فنی پایین‌تر، بتوانند حملات پیچیده‌ای را در مقیاس وسیع (Large-scale) سازماندهی کنند.
تغییر اصلی در چشم‌انداز تهدیدات سایبری، افزایش مقیاس و سرعت حملات است. ابزارهای مبتنی بر هوش مصنوعی می‌توانند زنجیره‌های حمله طولانی را بدون خستگی و با سرعت ماشین طی کنند؛ از اسکن کردن مخازن GitHub برای یافتن کلیدهای حساس تا استخراج داده‌ها از محیط‌های ابری، همگی با استفاده از مدل‌های زبانی بزرگ (LLM) و تنها با چند دستور ساده امکان‌پذیر شده است.
