Een open source AI-platform dat bedoeld is om complexe problemen op te lossen, blijkt ook te kunnen worden ingezet voor schade. Onderzoek van Norforge toont aan dat dreigingsactoren Cairn misbruikt hebben om geautomatiseerde aanvallen uit te voeren op honderden websites wereldwijd. Het gaat daarbij niet alleen om “één poging”, maar om gestructureerde reeksen projecten met herhaalbare stappen richting een doel.
Dit artikel zet de belangrijkste bevindingen op een rij, legt uit waar het misbruik op neerkomt en welke praktische maatregelen organisaties kunnen nemen om de impact te beperken.
Wat is Cairn en waarom leent het zich voor misbruik?
Cairn wordt beschreven als een algemene “problem-solving engine” waarmee AI-agenten kunnen samenwerken richting een vooraf bepaald einddoel. In plaats van één losse actie kan een taak worden opgesplitst in stappen: agenten werken van een startpunt naar het beoogde doel, terwijl bevindingen en intenties worden gedeeld.
In de onderzoeksbeschrijving wordt elke taak binnen Cairn benaderd als een project, met een oorsprong (origin) en een specifiek doel (goal). Agents publiceren hun intenties en resultaten op een gedeelde “blackboard”-achtige structuur. Daardoor kan de aanpak schaalbaar worden, omdat een aanvallende keten niet telkens opnieuw van nul hoeft te worden opgebouwd.
Drie clusters van “aanvalprojecten” gevonden
Norforge constateerde dat sommige operatorpanelen binnen Cairn openstonden en koppelde activiteit aan vermoedelijke kwaadwillende intenties. Het onderzoek onderscheidt drie clusters met verschillende focuspunten.
Cluster 1: persistentie via webshells
Het grootste cluster gebruikte een Chinese taalsetting en telde meer dan 1.100 aanvalprojecten over 14 dashboards. De doelwitten betroffen e-commerce- en betaalinfrastructuur in onder meer de VS, Japan en Australië.
Het beoogde resultaat lijkt te draaien om aanhoudende toegang via webshells. Zulke toegang wordt vaak later monetizable gemaakt, bijvoorbeeld door extra commando’s uit te voeren of gegevens te stelen.
Daarnaast was geautomatiseerde validatie opgenomen: targets werden gerangschikt op basis van verkeer en getest met Microsoft’s Playwright (een browserautomatiseringsframework). Pas daarna zouden ze aan Cairn zijn gevoerd.
Cluster 2: diefstal van creditcard- en cryptogegevens
Een tweede cluster exposeerde 10 panelen en gebruikte Engels. De focus lag op credit card- en cryptocurrency theft, met name gericht op merchant payment services, “gray-market” betaalroutes en ook platforms in de farmaceutische hoek.
Volgens Norforge zaten er doelwitten in Afrika, en het vermoeden bestaat dat de actor daar een basis heeft.
Cluster 3: shell-, admin- en database-toegang
Het derde cluster toonde één paneel met 59 projecten gericht op allerlei typen e-commercewebsites, inclusief grote commerciële platformen in de VS. De nadruk lag op shell access, en daarnaast op toegang tot adminpanelen en databases.
Hoe vaak lukte de aanval? (en wat betekent dat)
Norforge meldt dat aanvallers in ongeveer 10% van hun pogingen succes boekten. Tegelijkertijd werd in het blootgelegde paneeldata een groot aantal secrets aangetroffen. Ongeveer 11% daarvan werd geverifieerd als valide.
Voor organisaties is dat belangrijk: ook bij een relatief “laag” succespercentage kan de schaal van honderden projecten leiden tot echte incidenten. Bovendien blijft er een risico van latere uitbuiting wanneer een aanvaller persistentie heeft, bijvoorbeeld via een webshell.
Bekende slachtoffers (en waarom namen er tóch toe doen)
Norforge noemt in het onderzoek geen concrete slachtoffers, maar Reuters vermeldt dat de actor meer dan 100 bedrijven zou hebben geraakt. Genoemd worden onder meer John Deere en SharkNinja.
Als je deze namen ziet, besef dan vooral wat er speelt: dit gaat om aanvallen op organisaties met echte commerciële digitale kanalen, waar betaalstromen en klantdata waardevol zijn.
Als je in je organisatie te maken krijgt met een incident waarbij accounts of tooling worden misbruikt, kan het helpen om ook te kijken naar eerdere herstel- en responspatronen. Zie bijvoorbeeld Ahold Delhaize herstelt na cyberaanval: wat nu? voor handvatten rondom herstel en prioriteiten.
Waar zit de echte dreiging: van automatisering naar schaal
Wat dit incidenttype onderscheidt, is niet alleen “AI gebruiken”, maar vooral het automatiseren van stappen die samen een aanvalsketen vormen. Met Cairn kunnen projecten worden aangestuurd van een start naar een doel, waarbij agenten intenties en bevindingen delen. Dat verlaagt de drempel om nieuwe doelen te benaderen.
Daar komt bij dat aanvallers geautomatiseerd kunnen valideren welke targets interessant zijn, en dat ze targets kunnen rangschikken voordat ze in een AI-gedreven workflow worden opgenomen. Daardoor worden pogingen minder willekeurig en meer doelgericht.
Praktische maatregelen voor organisaties
Je kunt het risico niet wegnemen door alleen “AI-dreigingen” te blokkeren. Wel kun je je weerbaarheid vergroten tegen de typische uitkomst: ongeautoriseerde toegang, webshells, en het lekken/consumeren van secrets.
1) Versterk controles op webroot en server-side toegang
Omdat webshell-toegang in de grootste cluster centraal staat, zijn gerichte detecties essentieel. Denk aan controle op verdachte bestanden in webdirectories, afwijkende bestandsnamen, onverwachte uploads en herhaalde commando-uitvoering vanaf webservercontext.
2) Beperk en observeer secrets
Norforge vond honderden secrets in blootgelegde paneldata, met een deel dat als geldig werd geverifieerd. Zorg daarom voor strikte segmentatie van geheimen, korte levensduur van tokens en monitoring op ongebruikelijke secret-toegang.
3) Automatiseer je eigen respons rond incidenten
Bij geautomatiseerde aanvallen is snelheid cruciaal. Zet processen klaar voor het snel uitzetten van verdachte accounts of sessies, het intrekken van sleutels en het gericht isoleren van systemen. Een gestructureerde aanpak helpt om binnen uren te reduceren in plaats van dagen.
Een nuttige aanvulling is het beoordelen van je security-volwassenheid rondom software, vooral wanneer je AI-gedreven werkstromen of tooling gebruikt. In dat kader kan AI-software security: kies voor volwassenheid helpen om je aanpak breder te trekken dan alleen perimetermaatregelen.
4) Neem automation-tools mee in je threat model
In het onderzoek wordt Playwright genoemd voor geautomatiseerde validatie. Dat betekent dat ook legitieme browserautomatisering of testframeworks verdacht kunnen worden wanneer ze in een aanvalsketen belanden. Monitor daarom op ongebruikelijke gebruikspatronen, bijvoorbeeld van scripts die doelgericht navigeren naar betaal- of adminroutes.
Wat je vandaag nog kunt doen
Als je Cairn misbruikt-achtige patronen vreest, begin dan met een korte checklist:
- Controleer je detecties op webshell-achtige kenmerken en verdachte file changes.
- Herzie geheimbeheer: waar staan tokens opgeslagen, hoe worden ze geroteerd en wie kan ze gebruiken?
- Vergroot logging op betaal- en admincomponenten, zodat je afwijkingen sneller herkent.
- Maak je incidentplaybook klaar voor snelle isolatie, reset en forensisch onderzoek.
Geautomatiseerde aanvalsmethodes worden niet “ineens” gevaarlijker door AI alleen; ze worden vooral gevaarlijk doordat ze herhaalbare stappen combineren met schaal. Dat vraagt om zowel technische detectie als een respons die meebeweegt met de snelheid van aanvallers.
Conclusie
Het onderzoek van Norforge laat zien dat Cairn misbruikt kan worden om geautomatiseerde projecten uit te voeren tegen e-commerce en betaalplatformen. Met clusters gericht op persistentie via webshells, diefstal van financiële gegevens en toegang tot admin- en databases kan zo’n aanpak, zelfs met beperkte slaagkans per poging, door schaal toch tot grote schade leiden.
Door webserverintegriteit, geheimbeheer en monitoring van automatisering strak in te richten, kun je de kans op succesvolle inbraak verkleinen en de impact van eventuele incidenten beperken.
Bron: https://www.securityweek.com/ai-platform-cairn-abused-to-hack-over-100-organizations/
1 reactie