Forskare vid Amazon Threat Intelligence har dokumenterat vad som hittills kan vara den mest följdriktiga användningen av autonoma AI-agenter i offensiv hacking: misstänkta Kina-länkade angripare riktade en multiagent AI-plattform som heter Cairn för att äventyra universitetsservrar, och agenterna upptäckte och utnyttjade självständigt en tidigare okänd medicinsk applikationssårbarhet med öppen källkod.

Fynden, som först rapporterades av BleepingComputer den 20 november 2026, beskriver en kampanj där mänskliga operatörer gav AI-agenterna en enda, trubbig instruktion - "skaffa skalåtkomst" - och agenterna gjorde resten, kartlade en applikations API, lokaliserade en väg som korsade nolldagar i MONAI Label och förvandlade den till fullständig serverkontroll på 1 minut på 1 minut. För organisationer som spårar säkerhetsimplikationerna av agent AI är detta ögonblicket den teoretiska risken blev ett dokumenterat attackmönster. For more context on this story, see our ongoing breaking AI news.

Hur attacken utvecklades

Enligt Amazons forskare pågick kampanjen mellan den 8 och 10 september 2026 och riktade sig till utbildningsinstitutioner i Östasien, mestadels utanför Kina. Operationen kom fram på ett ovanligt sätt: angriparna hade lämnat sin egen Cairn-instans tillgänglig för allmänheten på internet utan autentisering, vilket i praktiken avslöjade hela deras hackningsoperation - inklusive uppmaningarna de matade agenterna och loggarna över vad agenterna gjorde.

Cairn är en legitim testplattform, byggd för att samordna flera AI-agenter genom cyberoperationer för forskning och defensiva syften. I den här kampanjen användes det om. De misstänkta kinesiska nexus-operatörerna riktade agenterna mot internetservrar och lät dem arbeta. I en framgångsrik sekvens gick agenterna från att räkna upp API:et för en MONAI Label-distribution till att aktivt utnyttja ett vägkorsningsfel på cirka 11 minuter, en takt som ingen manuell penetreringsprocess kunde matcha.

Själva sårbarheten var allvarlig. MONAI Label är en öppen källkodsapplikation som använder AI för att hjälpa forskare att kommentera medicinska bilder, och felet gjorde det möjligt för agenterna att skriva filer till godtyckliga platser på värdservern. Därifrån skrev agenterna ett omvänt Python-skal till filen `sitecustomize.py` – som körs automatiskt när Python startar – och triggade sedan en API-slutpunkt för att få root-åtkomst till maskinen.

Inte alla försök lyckades

Rapporten är anmärkningsvärd inte bara för vad agenterna uppnådde utan för vad de misslyckades med, vilket ger en mer kalibrerad bild av agenternas hackningsförmåga än antingen hype eller avskedande.

Ett försök att ta över en Redis-server pågick i 16 timmar över 148 diskreta åtgärder och misslyckades. I ett annat fall försökte agenter som riktade sig till en universitets GPU-server med mer än 30 000 autentiseringskombinationer under sex timmar utan att tvinga sig in. Autonoma agenter itererar snabbt och tröttnar aldrig, men de är ännu inte en garanterad skelettnyckel.

Efter den framgångsrika MONAI Label-kompromissen försåg den mänskliga operatören agenterna med en proxy till ett andra universitetsnätverk som körde samma sårbara programvara och uppmanade dem att äventyra ytterligare maskiner. Det operatör-in-the-loop-mönstret – agenter som gör upptäckt och exploatering, människor som styr mål – är precis den arbetsfördelning som säkerhetsteam har varnat för sedan agentverktygen blev mainstream.

Avslöjande och svar

Amazon rapporterade sårbarheten till MONAI Label-underhållarna, som skickade en säkerhetsuppdatering den 18 november 2026. Den tidslinjen är värd att sitta med: exploateringen skedde i september, patchen kom i november. Organisationer som kör MONAI Label – särskilt universitet och medicinska forskningsgrupper – bör verifiera att de är på den uppdaterade versionen omedelbart.

Amazons forskare tillskrev kampanjen till en hotaktör med måttligt självförtroende, baserat på språket för de återställda uppmaningarna, aktivitetens tidsstämplar och valet av mål. Företaget publicerade också två IP-adresser som är kopplade till aktiviteten: 142[.]4.98.145 och 142[.]4.107.34.

Ett mönster, inte en anomali

Detta är inte den första rapporten om att Cairn vänds mot verkliga mål. I september dokumenterade Gambit Security fall av Cairn-missbruk som en del av en storskalig kreditkortsstöldverksamhet. Mer nyligen rapporterade Google att plattformen användes i en attack mot en amerikansk flygorganisation. Amazons nya rapport lägger till den mest alarmerande datapunkten hittills: agenter hittar och beväpnar en nolldag på egen hand, mot en sårbarhet som inte hade någon leverantörsfix vid den tiden.

Amazons varning till försvarare är rakt på sak – AI-agenter kan hitta och utnyttja sårbarheter snabbare än säkerhetsteam kan reagera, och organisationer bör luta sig hårdare mot automatiserade försvar snarare än manuell undersökning. Patchhastighet, exponeringshantering och automatiserad detektering slutar vara bästa praxis och blir baslinjekrav när motståndarens iterationsslinga mäts i minuter.

Avsnittet skärper också en pågående debatt om AI-verktyg med dubbla användningsområden. Cairn finns till för att stärka försvaret; samma egenskaper som gör den användbar för pentesters - autonomi, uthållighet, parallell utforskning - gjorde den effektiv som ett offensivt vapen. När fler agentramverk når öppen distribution kommer säkerhetsgemenskapen sannolikt att återkomma till frågor om åtkomstkontroller, förinställda installationer och om samordningsplattformar för cyberoperativa agenter behöver inbakade skyddsräcken i stället för att skruvas fast.

För nu är den praktiska takeawayen smalare men brådskande. Antagandet att okända sårbarheter är säkra eftersom ingen letar efter dem håller inte längre. Autonoma agenter letar kontinuerligt, och gapet mellan upptäckt och exploatering kan nu mätas i minuter.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →