DeepSeek AI angriber 647.000 servere automatisk: Ny trussel

En kinesisktalende trusselsaktør har brugt AI-modellen DeepSeek og den open source AI-agent Hermes til at udføre autonome cyberangreb mod hundredtusindvis af eksponerede servere — med minimal menneskelig indblanding i selve angrebsprocessen. Det fremgår af en rapport fra sikkerhedsforskerne hos Palo Alto Networks' trusselsefterretningsenhed Unit 42. Sagen er et af de mest konkret dokumenterede eksempler på, at AI-drevet autonom angrebsinfrastruktur ikke længere er et fremtidsscenarie, men en nutidig virkelighed.

Hvem stod bag angrebet?

Trusselsaktøren benytter aliaserne "knaithe" og "KnYuan" og betegner sig selv som en "binær sikkerhedsforsker." Unit 42's analyse indikerer, at operatøren er kinesisktalende. Motivet bag angrebet er endnu ikke offentligt bekræftet, men de valgte mål og det tekniske setup tyder på en aktør med interesse i at kortlægge og potentielt kompromittere eksponerede workflow-servere globalt.

Angrebsoperationen kom frem i lyset på en utilsigtet måde: Hermes-agenten oprettede ved en fejl en webserver fra sit hjemkatalog, hvilket eksponerede operatørens fulde arbejdsmiljø mod offentligheden. Unit 42-forskere opdagede dermed API-nøgler, exploit-scripts, mållister, shell-historik og AI-angrebslogfiler — en fuld akt af beviser fra angrebet.

Sådan fungerede det autonome angreb

Angrebssetuppet er relativt enkelt i sin grundstruktur, men teknisk sofistikeret i sin udførelse. Operatøren leverede Hermes-agenten en indledende opgave via en Telegram-kanal og aktiverede derefter agentens autonome tilstand. Fra det tidspunkt agerede Hermes selvstændigt og gennemførte angrebets efterfølgende trin uden menneskelig feedback eller løbende overvågning.

FOFA bruges til at identificere sårbare mål

Hermes-agenten anvendte søgemaskinen FOFA — en kinesisk pendant til Shodan — til at kortlægge eksponerede internettjenester og identificere potentielle mål. FOFA indekserer internetforbundne enheder og tjenester globalt og giver søgbare oplysninger om kørende software, versionsnumre og eksponerede administrationsgrænseflader.

Agenten gennemsøgte dernæst offentlige exploit-repositorier for at finde kendte sårbarheder i de identificerede tjenester, valgte de mest lovende angrebsvektorer og downloadede relevante exploit-scripts — alt dette autonomt og inden for minutter. Arbejde, der normalt ville kræve hundredvis af timers manuel analyse fra erfarne sikkerhedsforskere.

Hermes Agent udfører angreb selvstændigt

Unit 42 genfandt logfiler fra en session i maj 2026, hvori operatøren ser ud til at have givet agenten en initial opgave, hvorefter Hermes gennemførte al efterfølgende aktivitet uden menneskelig indblanding. Angrebslogfilerne dokumenterer en AI-agent, der selvstændigt kortlagde mål, analyserede sårbarheder, forsøgte udnyttelse og registrerede resultater.

647.000 n8n-servere i søgelyset

Blandt de identificerede mål prioriterede agenten n8n-platformen — et populært open source workflow-automatiseringsværktøj, der giver virksomheder mulighed for at bygge komplekse automationsflows, der forbinder interne systemer, databaser og cloud-tjenester. FOFA-søgningen identificerede mere end 647.000 eksponerede n8n-instanser på verdensplan, og det var disse servere, der stod i centrum for det autonome angrebsforsøg.

Derudover forsøgte Hermes-agenten at kompromittere 84 eksponerede Langflow-instanser ved at udnytte en sårbarhed sporet som CVE-2026-33017. Langflow er en visuelt interface-baseret platform til opbygning af AI-workflows og agenter — et ironisk mål i betragtning af, at angrebet selv anvender AI til at udføre angrebet.

Læs BleepingComputers fulde dækning af DeepSeek-angrebssagen og Unit 42's fund her.

Hvad lykkedes — og hvad fejlede

Et afgørende fund i Unit 42-rapporten er, at de autonome AI-angreb mod n8n- og Langflow-serverne ikke lykkedes. Hermes-agentens forsøg på at kompromittere de 647.000-plus n8n-instanser og de 84 Langflow-servere resulterede ikke i succesfulde brud.

Til gengæld lykkedes tre manuelle angreb mod Citrix NetScaler-systemer, som operatøren udførte sideløbende. De manuelle angreb resulterede i tyveri af legitimationsoplysninger og session hijacking — altså overtagelse af aktive brugersessioner på de kompromitterede systemer.

Hertil kom mindst 460 yderligere manuelle angrebsforsøg mod en bred vifte af mål, herunder Apache Tomcat, Marimo Notebook og Windows IKE VPN-systemer.

Hvordan blev angrebet opdaget?

Opdagelsen er i sig selv illustrativ for både AI-agenternes kraft og deres svagheder. Hermes-agenten, der kørte på operatørens infrastruktur, oprettede utilsigtet en webserver med offentlig adgang fra sit arbejdskatalog. Det betød, at alle filer i det katalog — API-nøgler, mållister, exploit-scripts, angrebslogfiler og shell-historik — var frit tilgængelige for enhver, der kendte URL'en.

Unit 42-forskerne opdagede denne eksponerede server og downloadede indholdet, inden det igen blev taget offline. Det gav dem et usædvanligt komplet indblik i angrebsoperationens struktur, værktøjer og mål.

Hvad betyder dette for cybersikkerhed globalt og i Danmark?

DeepSeek-sagen illustrerer en alarmerende tendens, som sikkerhedseksperter har advaret om siden 2025: AI-modeller og AI-agenter sænker dramatisk adgangsbarrieren for sofistikerede cyberangreb. Kapaciteter, der tidligere krævede et hold af højtuddannede specialister med dyb teknisk ekspertise, kan nu delegeres til en AI-agent med adgang til de rigtige modeller og open source-frameworks.

Det er ikke første gang i 2026, at autonome AI-agenter er dokumenteret brugt i offensive cyberoperationer. Unit 42 har fulgt en eskalerende tendens, og sagen her er den hidtil mest konkret dokumenterede med et offensivt AI-workflow, der selvstændigt kortlægger, evaluerer og angriber eksponerede systemer.

Se BleepingComputers dækning af en tidligere Hermes-sag, der ramte Thailands finansministerium.

For danske virksomheder og organisationer, der anvender n8n, Langflow eller lignende workflow-automatiseringsplatforme eksponeret mod internettet, er konklusionen klar: eksponerede administrationsgrænseflader bør aldrig være åbne mod det offentlige internet uden robust autentificeringsbeskyttelse, og patchhastigheden på kendte sårbarheder skal forkortes markant.

AI-drevne autonome angrebssystemer opererer med en hastighed og et kortlægningsomfang, der overgår menneskelige sikkerhedsteams' kapacitet til reaktion, medmindre de er understøttet af tilsvarende automatiserede forsvarssystemer. Det er den nye virkelighed i cybersikkerhed i 2026.