TechPastWeek logo
Sicherheit8 Min. Lesezeit

KI-Agenten fanden eine Zero-Day-Lücke in MONAI Label und erlangten Root auf einem Universitätsserver

Amazons Agenten fanden in 11 Minuten eine Path-Traversal-Lücke in MONAI Label und wurden dort Root. Der Fix ist gemergt, aber noch nicht veröffentlicht.

Ein MRT-Scanner und eine Patientenliege in einer bildgebenden Abteilung eines Krankenhauses.
Auf dieser Seite

Die wichtigsten Punkte

  • Amazon Threat Intelligence beschreibt eine Kampagne, in der autonome KI-Agenten vom 8. bis 10. September 2026 eine Path-Traversal-Lücke in MONAI Label fanden und ausnutzten, gerichtet gegen Universitäten in Ostasien.
  • Die Agenten brauchten rund 11 Minuten, um von der Kartierung der API des Programms zum Schreiben von Dateien auf dem Server zu kommen, und nutzten später eine weitere Sitzung, um auf einem Universitätsrechner eine Root-Shell zu erhalten.
  • Die Lücke ist CVE-2026-133968, mit 9.8 nach CVSS 3.1 bewertet, und sie betrifft monailabel 0.8.5 und früher, wo die Authentifizierung standardmäßig deaktiviert ist.
  • Die Maintainer haben am 19. Oktober 2026 einen Fix gemergt, doch die Sicherheitsmeldung des Projekts nennt keine gepatchte Version, und PyPI liefert weiterhin 0.8.5 aus, hochgeladen im November 2024.
  • Amazon ordnet die Kampagne mit mittlerer Zuversicht einem Akteur mit China-Bezug zu, gestützt auf Prompts in vereinfachtem Chinesisch und Zeitstempel in China Standard Time, ohne eine Gruppe oder eine Regierung zu benennen.

Amazon Threat Intelligence hat einen Bericht über eine Kampagne veröffentlicht, in der autonome KI-Agenten eigenständig eine Zero-Day-Lücke in Medizinbild-Software fanden und damit Root-Rechte auf einem Universitätsserver erlangten. Die Agenten erhielten eine Zielliste und ein einzeiliges Ziel, „Shell-Zugriff erhalten“, den Rest des Eindringens wählten sie selbst.

Zum Weiterlesen: Das FBI untersucht einen mutmaßlichen Einbruch in seine Verbrechensdatenbank · China zugeordnete Hacker nutzten vCenter-Zero-Day Wochen vor dem Patch.

Der Bericht erschien am 20. November unter dem Namen von CJ Moses, Chief Information Security Officer für Amazon Integrated Security. Die Schwachstelle firmiert inzwischen als CVE-2026-133968, mit 9.8 nach CVSS 3.1 bewertet, und die Sicherheitsmeldung des betroffenen Projekts nennt keine gepatchte Version. Ein Fix wurde am 19. Oktober gemergt. Kein Release enthält ihn bisher.

Die Operation, in die Amazon hineinstolperte

Amazon fand die Kampagne durch einen Fehler des Betreibers. Am 10. September entdeckte das Threat-Intelligence-Team eine Cairn-Instanz, die ohne Passwort aus dem öffentlichen Internet erreichbar war. Cairn ist ein quelloffenes, AGPL-lizenziertes Python-Framework, das sein Repository als allgemeine Suchmaschine für Probleme mit bekanntem Startpunkt und definiertem Ziel beschreibt, erstmals validiert beim Penetrationstest.

Weil der Betreiber die Konsole offen ließ, waren Projektliste, Prompts und Agentenausgabe lesbar. Laut Amazon umfasste die sichtbare Aktivität Universitäten in Ostasien außerhalb des chinesischen Festlands, über etwa 48 Stunden ab dem 8. September. Die Prompts waren in vereinfachtem Chinesisch verfasst, und Zeitstempel in ausgeführten Skripten standen auf China Standard Time. Das Unternehmen ordnet die Aktivität mit mittlerer Zuversicht einem Akteur mit China-Bezug zu. Es verbindet die Arbeit nicht mit einer namentlich bekannten Gruppe und behauptet nicht, eine Regierung habe sie gesteuert.

Zwei Adressen, 142.4.98.145 und 142.4.107.34, tauchen in Aufzeichnungen vom 8. bis 10. September auf.

Was MONAI Label ist und warum es antwortete

MONAI Label ist ein Annotationsserver für medizinische Bilder. Forschungsgruppen betreiben ihn, um CT-, MRT- und Pathologiedaten zu labeln und anschließend Modelle auf den Ergebnissen zu trainieren. Er verbindet sich mit Viewern wie 3D Slicer und OHIF und steht abseits des größeren MONAI-Frameworks, obwohl beide aus derselben Community stammen.

Die Authentifizierung ist aus, sofern ein Administrator MONAI_LABEL_AUTH_ENABLE nicht auf true setzt. Die README des Projekts enthält eine unverblümte Warnung: MONAI Label sei nicht für den Betrieb am Internet gedacht, habe bekannte, ungepatchte Sicherheitsprobleme und solle nur in einem geschlossenen, vertrauenswürdigen lokalen Netz laufen.

Ein Annotationsserver ist nützlich, weil Kollegen und Bildgebungspersonal an anderen Rechnern ihn erreichen, und ein Labor, das einen aufsetzt, behandelt ihn selten wie einen internetzugewandten Dienst mit Patch-Zyklus. Eine öffentliche Zahl exponierter Instanzen gibt es nicht.

11 Minuten von der API-Karte zum Schreiben von Dateien

Gegen das MONAI-Label-Ziel begannen die Agenten wie ein Mensch: Framework identifizieren, API kartieren, Upload-Endpunkte lesen. Einer davon, PUT /datastore/image, nimmt eine vom Aufrufer gelieferte Bild-ID als Dateinamen. Die Agenten prüften diesen Parameter auf Path Traversal, und er war anfällig.

In etwa 11 Minuten gingen sie vom Kartieren der API zum Schreiben beliebiger Dateien auf dem Host.

Die Sicherheitsmeldung erklärt warum. LocalDatastore.add_image() hängt die Bild-ID des Aufrufers an das Datastore-Verzeichnis an und kopiert die hochgeladene Datei ohne Prüfung, ob der Pfad in diesem Verzeichnis bleibt, an das Ergebnis. save_label() baut sein Ziel auf dieselbe Weise. Ein Wert wie ../../../tmp/x entkommt dem Speicherordner. Bei deaktivierter Authentifizierung kann jeder Client die Anfrage senden, der eine Verbindung zum Port öffnen kann. Mit aktivierter reicht die Rolle ANNOTATOR, also genügt auch ein Konto mit geringen Rechten.

Ein Dateischreiben ist keine Shell, aber bei einem Python-Dienst ist es oft nur ein Schritt von der Codeausführung entfernt. Die Meldung nennt die Wege: Anwendungscode überschreiben, einen Schlüssel an .ssh/authorized_keys anhängen, einen Cron-Eintrag hinzufügen.

Von der abgelegten Datei zu Root

Die Agenten nahmen den Python-Weg. In einer späteren Sitzung schrieben sie eine Reverse-Shell-Nutzlast in sitecustomize.py, ein Modul, das CPython beim Start automatisch importiert. Dann riefen sie einen Trainings-Endpunkt auf, der einen frischen Python-Prozess startet. Dieser Prozess importierte die Nutzlast, öffnete eine Verbindung zurück zum Betreiber und lief als root.

Wie weit das reicht, hängt vom Deployment ab. Ein Server, der unter einem unprivilegierten Konto läuft, hätte den Zugriff dieses Kontos preisgegeben, nicht den Rechner. Die Root-Shell kam aus einer Installation, in der das Dienstkonto mehr durfte, und Amazon merkt an, dass sich ein anderer Host anders verhalten würde.

Danach kam der Betreiber wieder ins Spiel. Laut Amazon stattete er die Agenten mit einem Proxy in ein zweites Universitätsnetz aus. Der Server am anderen Ende lief mit derselben anfälligen Software, was Amazon als Hinweis darauf liest, dass der Betreiber die Lücke dort bereits genutzt hatte. Anschließend wurden die Agenten auf andere Rechner in diesem Netz gerichtet. Amazon glaubt, dass das zweite Netz auf dieselbe Weise kompromittiert wurde, hat es aber nicht bestätigt.

Die Versuche, die scheiterten

Die gescheiterten Operationen zählen ebenso viel wie die erfolgreiche.

Ein Ziel war eine Universitäts-Redis-Instanz, die offen im Netz stand. Die Agenten verbrachten etwa 16 Stunden und 148 protokollierte Aktionen damit: Replikation missbrauchen, um Code zu laden, die Skript-Sandbox verlassen, Konfigurationsdateien schreiben, Log4Shell an einem anderen Dienst versuchen. Als das scheiterte, nutzten sie eine Server-Side-Request-Forgery-Lücke in einer daneben laufenden Qdrant-Instanz, um das interne Docker-Netz zu kartieren, und spritzten Zugangsdaten gegen PostgreSQL und SSH. Sie kamen nicht hinein.

Eine zweite Operation lief mehr als sechs Stunden gegen einen GPU-Server einer Universität. Die Agenten bauten aus Fakultätsverzeichnissen, Laberseiten, archivierten Seiten und Papers eine Liste von rund 80 echten Benutzernamen und probierten dann mehr als 30.000 Kombinationen aus Zugangsdaten gegen SSH, ein Admin-Dashboard, Netzwerkspeicher, ein VPN und das Campusportal. Auch das scheiterte.

Amazon zufolge passten sich die Agenten fast einen Tag lang ohne Anleitung immer wieder an. Die engere Lesart: Sie waren beharrlich, sie fanden einen ausnutzbaren Fehler, und sie scheiterten überall dort, wo der Dienst nicht weit offen konfiguriert war.

Den Fix gibt es, das Release nicht

Die Maintainer haben am 19. Oktober einen Fix in Pull Request #1915 gemergt. Er löst jeden Zielpfad auf und weist alles außerhalb der Datastore-Verzeichnisse zurück, reduziert die Bild-ID auf ihren Basisnamen und gibt HTTP 400 für leere oder mit Punkt beginnende Namen zurück.

Die am 18. November veröffentlichte Meldung sagt weiterhin „Patched versions: None“ und dass die Korrektur in einem künftigen Release erscheinen werde. Das neueste monailabel-Paket auf PyPI ist weiterhin 0.8.5, hochgeladen im November 2024. Amazons Beitrag sagt, die Maintainer hätten „einen Fix veröffentlicht“; öffentlich existiert ein gemergter Commit und eine Meldung, die keine Version nennt.

Der am 20. November veröffentlichte CVE-Eintrag besagt, die Lücke sei „ab September 2026 in freier Wildbahn ausgenutzt“ worden. CISAs angereicherter Eintrag vom selben Tag verzeichnet die Ausnutzung als „none“, und CVE-2026-133968 war bei einer Prüfung am 21. November nicht im Known Exploited Vulnerabilities-Katalog der Behörde. Beides kann zutreffen: Der CVE-Text gibt wieder, was die meldende Organisation sagte, während die CISA-Zeile festhält, was die Behörde unabhängig bewertet hat. Man sollte daraus nicht schließen, dass niemand die Lücke genutzt hat.

Was Administratoren tun können

Da es kein Release zum Upgraden gibt, geht es um Expositionskontrolle:

  • Blockieren Sie nicht vertrauenswürdigen Zugriff auf MONAI-Label-Server über Firewall- und Routingregeln. Eine schwer zu erratende URL ist keine Kontrolle.
  • Aktivieren Sie die Authentifizierung und halten Sie die Rolle ANNOTATOR von allen fern, denen Sie kein Hochladen von Dateien erlauben würden.
  • Betreiben Sie den Server unter einem eingeschränkten Konto, mit Schreibzugriff nur auf das Datastore-Verzeichnis.
  • Behandeln Sie einen Build aus dem Quellcode als ungepatcht, solange Sie nicht bestätigt haben, dass er den Merge vom Oktober enthält.
  • Suchen Sie auf jedem erreichbaren Host nach unerwarteten sitecustomize.py-Dateien, anderen neuen Python-Startdateien und Trainingsjobs, die niemand angesetzt hat.

Amazons Empfehlung für Verteidiger ist breiter: Verkürzen Sie die Schleife zwischen Erkennung und Reaktion, denn ein Agent, der ein Eindringen in Minuten abschließt, ist schneller als eine Warteschlange von Warnmeldungen.

Das größere Muster

Cairn taucht seit dem Sommer in Berichten über Kriminalität auf. Gambit Security rekonstruierte eine Kampagne, in der drei quelloffene Agenten-Harnesses gegen Hunderte Onlinehändler liefen: 105 Angriffsprojekte zwischen dem 10. und 15. September, mindestens 27 Unternehmen unterschiedlich stark kompromittiert und mehr als 600.000 Kartendatensätze, die bei zwei von ihnen abgezogen wurden. Die eigene Kostenprüfung des Betreibers veranschlagte einen abgeschlossenen Scan im Mittel mit $25.46. Palo Alto Networks' Unit 42 beschrieb 25 Cairn-Operationen gegen mindestens 19 Organisationen, mit Zugriff oder Datenverlust bei 10, und nennt die Aktivität eine nachrichtendienstliche Sammlung mit China-Bezug, die sie als CL-STA-1238 führt.

Dieser Fall hat leisere Folgen. Niemand hat von gestohlenen Patientenaufnahmen berichtet, und Amazon erklärt, seine Rekonstruktion zeige nicht, dass Datensätze abgezogen wurden, klinische Systeme berührt wurden oder der Angreifer über die beschriebenen Universitätsziele hinausging. Die betroffenen Organisationen waren keine AWS-Kunden, daher leitete Amazon Mitteilungen über einen Regierungspartner weiter, statt sie direkt zu kontaktieren.

Was das von einem Jahrzehnt Universitäts-Eindringen unterscheidet, sind die Kosten der ersten Stunde. Ein menschliches Team, das eine Warnung triagiert und ein Traversal von Hand baut, bewegt sich im Tempo einer Schicht; ein Agent, der die API-Oberfläche bereits gelesen hat, erledigt es in Minuten und macht keine Nachtpause. Die Agenten hier mussten nicht brillant sein, nur beharrlich, und das Ziel war ohne Login erreichbar.

Drei Punkte, die es weiter zu beobachten gilt: ob MONAI Label ein Release mit dem Oktober-Fix ausliefert, ob CISA die CVE in KEV überführt oder seinen Ausnutzungshinweis revidiert, und ob eine der Universitäten das Eindringen bestätigt. Ein Bericht eines Opfers würde aus der Rekonstruktion eines einzelnen Anbieters einen dokumentierten Vorfall machen.

Titelbild: ein MRT-Scanner und eine Patientenliege in einer bildgebenden Abteilung eines Krankenhauses. Foto von Walter Davies, CC BY-SA 4.0, via Wikimedia Commons.

Tags

ai-agentszero-daymonaimedical-imagingchina-nexuspatching

Häufige Fragen

Was ist MONAI Label?
Es ist ein quelloffener Server aus der Community des Projekts MONAI, den Forschungsteams nutzen, um medizinische Aufnahmen zu annotieren und Bildgebungsmodelle zu trainieren. Er ist ein eigenständiges Programm neben dem größeren MONAI-Framework und wird mit standardmäßig abgeschalteter Authentifizierung ausgeliefert.
Gibt es einen Patch für CVE-2026-133968?
Nicht als installierbares Release. Ein Fix wurde am 19. Oktober 2026 in den Quellcode des Projekts gemergt, doch die am 18. November veröffentlichte GitHub-Meldung nennt weiterhin keine gepatchte Version, und das neueste monailabel-Paket auf PyPI ist 0.8.5 aus dem November 2024.
Wurden Patientenscans oder Patientendaten gestohlen?
Keine Quelle hat das berichtet. Amazon erklärt, seine Rekonstruktion zeige nicht, dass Patientenaufnahmen oder Datensätze abgezogen oder klinische Systeme berührt wurden, und die Kampagne habe auf Universitätsrechner gezielt, nicht auf Krankenhausnetze.
Wie sollte ein MONAI-Label-Server geschützt werden, solange kein Patch existiert?
Halten Sie ihn per Firewall aus nicht vertrauenswürdigen Netzen heraus, aktivieren Sie die Authentifizierung, betreiben Sie ihn unter einem eingeschränkten Konto mit Schreibzugriff nur auf den Datastore, und prüfen Sie erreichbare Hosts auf unerwartete Python-Startdateien wie sitecustomize.py oder unerklärte Trainingsjobs.
Share

Fandest du das nützlich? Teile es mit deinem Team.

TPW Editorial

TPW Editorial

Redaktion

Die Redaktion von TechPastWeek recherchiert und betreut jeden veröffentlichten Artikel. Jede Geschichte wird anhand von Primär- und glaubwürdigen Sekundärquellen geprüft und vor der Veröffentlichung redaktionell freigegeben.

Weiterlesen