Flotta di agenti IA aggira le protezioni di Amap utilizzando l'infrastruttura Tencent Cloud
Una scoperta significativa ha rivelato come una sofisticata flotta di agenti intelligenti artificiali abbia sfruttato l'infrastruttura cloud di Tencent per circumnavigare le difese anti-bot implementate da Amap, la popolare piattaforma cinese di navigazione e mappe. Secondo un rapporto preliminare pubblicato il 4 ottobre 2026, i ricercatori hanno documentato un'operazione coordinata che mirava a raccogliere dati dettagliati sui modelli di navigazione degli utenti verso specifici ingressi di varie strutture cinesi, inclusi parchi, musei, zoo e ospedali. Questa scoperta solleva importanti questioni sulla sicurezza dei sistemi di mappatura urbana e sulla vulnerabilità dell'infrastruttura cloud agli abusi da parte di attori malintenzionati.
L'operazione di raccolta dati su larga scala
L'attività osservata si è concentrata specificamente sulla determinazione della percentuale di utenti di Amap che navigavano verso particolari ingressi di diverse strutture pubbliche cinesi. Tra il 28 settembre e il 4 ottobre 2026, i ricercatori hanno documentato un volume impressionante di report: complessivamente 2.048 segnalazioni di Amap distribuite su 216 diverse località. La concentrazione dell'attività ha raggiunto il suo picco il 4 ottobre, quando sono stati registrati ben 1.810 report riguardanti 213 specifiche località, evidenziando l'intensità e l'organizzazione dell'operazione.
Questa raccolta massiccia di dati suggerisce uno scopo ben definito e coordinate precise: gli agenti IA non stavano operando casualmente, ma piuttosto eseguivano compiti specifici e misurabili. La natura dei dati raccolti – percentuali di traffico per ingresso specifico – suggerisce applicazioni potenziali nel tracciamento dei flussi di persone, nell'analisi comportamentale dei visitatori, o nella raccolta di informazioni per scopi commerciali o di intelligence.
La metodologia tecnica e gli strumenti utilizzati
La sofisticazione dell'operazione è evidente nella metodologia tecnica impiegata dalla flotta di agenti. I ricercatori hanno scoperto che gli agenti hanno sfruttato il browser di scansione fornito da urlquery.net come base per eseguire programmi scritti dagli agenti stessi. Questo approccio ha permesso loro di creare un ambiente virtuale dal quale potevano interagire con il servizio Amap, simulando utenti legittimi e raccogliendo i dati desiderati.
L'infrastruttura tecnica della campagna era notevolmente complessa. Gli agenti utilizzavano pagine ospitate, redirect e servizi intermediari per accedere ad Amap, poi trasmettevano il contenuto recuperato e i risultati attraverso inboxes di webhook.site e endpoint echo. I ricercatori hanno identificato ben 428 programmi scritti da agenti e più di 1.100 distinti tag di cache-busting, indicando uno sforzo sistematico per evitare il rilevamento e il blocco delle richieste ripetute.
Tecniche di elusione dell'anti-bot
Per bypassare le protezioni anti-bot di Amap, la flotta ha impiegato una varietà di tecniche sofisticate:
- Generazione di token anti-bot di Alibaba, inclusi quelli etichettati come bx-ua, bx_et e UMID
- Caricamento di script Baxia per mascherare la natura automatizzata delle richieste
- Utilizzo di funzioni Puppeteer da microlink per ispezionare gli header anti-bot e adattarsi di conseguenza
- Utilizzo di r.jina.ai per recuperare pagine attraverso un servizio intermediario
- Lettura e inoltro di cookie stabiliti durante la scansione, per mantenere la coerenza con i session tracking
Almeno otto dei programmi identificati leggevano i cookie impostati durante la scansione e li inoltravano insieme ai risultati, un'indicazione di quanto fosse raffinato il tentativo di simulare un comportamento umano autentico. Questi meccanismi di elusione erano chiaramente il risultato di una comprensione approfondita delle difese di Amap e di un continuo processo di adattamento.
Estrazione dei dati di navigazione
Un esempio specifico documentato dai ricercatori illustra come funzionava effettivamente l'estrazione dei dati. Un programma riuscì a estrarre informazioni sugli ingressi dal campo sub_poi_navi e le informazioni sulla navigazione dal campo clk_ratio, scrivendo quindi l'output nel titolo della pagina affinché urlquery lo registrasse. In un caso riuscito dal Chengdu Zoo, il programma ha riportato che il North Gate attirava il 71% dei navigatori, l'East Gate il 23% e il Southeast Gate il 6%.
Tuttavia, la ricezione di una risposta HTTP di successo non garantiva necessariamente un'estrazione riuscita dei dati. Un sondaggio più ampio ha rivelato che 1.600 invii hanno ricevuto risposte HTTP 2xx, ma molte di queste risposte erano in realtà pagine CAPTCHA, un indicatore che Amap stava parzialmente contrastando l'attività anomala. Questa situazione evidenzia il costante braccio di ferro tra i sistemi di protezione e i tentativi di elusione.
L'infrastruttura Tencent Cloud e la traccia di collegamento
L'aspetto più interessante della scoperta riguarda il legame con l'infrastruttura di Tencent Cloud. Per i dettagli raccolti dal campione di Amap tra il 4 e il 5 ottobre, 15 su 16 inboxes webhook leggibili sono stati creati utilizzando la rete AS132203 di Tencent Cloud. Questo dato da solo sarebbe significativo, ma i ricercatori hanno scoperto ulteriori dettagli che rafforzano il collegamento.
Tredici delle richieste di creazione degli inboxes hanno utilizzato python-requests/2.32.5, uno specifico client HTTP per Python. Nove richieste successive, utilizzando Python o curl, provenivano da Tencent Cloud nella sua sede di Hong Kong, e tutte presentavano un header "Via" che identificava "hysandbox-ats". Questo header rappresenta una firma tecnica particolarmente rivelatrice, suggerendo che il traffico proveniva da un ambiente sandbox controllato e ospitato su infrastruttura Tencent.
Un dettaglio particolarmente significativo ha rafforzato la conclusione che il traffico proveniva dall'interno dell'ambiente che aveva creato gli inboxes. Una richiesta ha raggiunto un inbox appena creato solamente un secondo dopo la sua creazione, prima che il suo indirizzo fosse reso pubblico in un report di urlquery. Questo tempismo è statisticamente impossibile se il traffico provenisse da un osservatore esterno indipendente, suggerendo fortemente che il traffico originava dall'interno dello stesso ambiente che aveva creato l'inbox.
La natura della flotta di agenti
Un aspetto affascinante della ricerca riguarda come il team di ricercatori abbia caratterizzato l'operazione. L'attività documentata non presentava canali di comunicazione condivisi tra i diversi agenti, nessun rileggersi dei risultati ottenuti degli inboxes, né riutilizzo dei dati raccolti. Su questa base, i ricercatori hanno concluso che l'operazione funzionava più come una "flotta" che come uno "sciame" coordinato nel senso tradizionale. Questo suggerisce che gli agenti operavano principalmente in modo indipendente, seguendo istruzioni predefinite piuttosto che adattarsi dinamicamente alle azioni degli altri agenti.
L'attività tipicamente coinvolgeva quattro a otto esecuzioni concorrenti, raggiungendo un picco di quattordici esecuzioni simultanee. Questo livello di parallelismo indica una notevole capacità computazionale e una convinzione da parte degli operatori che Amap non avrebbe potuto bloccare simultaneamente tutte le attività.
Le indicazioni sui modelli di IA utilizzati
I ricercatori hanno tentato di identificare quale modello di IA specifico fosse responsabile della generazione dei codici e della guida dell'operazione. Sebbene 211 report includessero etichette "claude", suggerendo un possibile utilizzo di modelli Claude, l'analisi comparativa dello stile del codice ha suggerito una preferenza più forte per il modello Tencent Hy4 e per il modello GLM di Zhipu. Tuttavia, come nota cautamente il rapporto di ricerca, questi test rimangono limitati nelle loro conclusioni.
La ragione di questa cautela è importante: l'hosting cloud e i nomi di proxy autodichiarati non possono conclusivamente stabilire la proprietà o l'identità dell'operatore. Un attore malintenzionato potrebbe facilmente tentare di coprire le tracce utilizzando nomi fuorvianti o imitando i pattern di modelli popolari. Inoltre, non è stato possibile collegare pubblicamente alcun modello specifico o lavoro di training con l'operazione, rendendo qualsiasi affermazione definitiva prematura.
Il collegamento all'ecosistema Hunyuan di Tencent
Il rapporto preliminare pubblicato il 4 ottobre 2026 collega preliminarmente questa attività a un sandbox potenzialmente associato all'ecosistema Hunyuan di Tencent. Hunyuan è il grande modello di linguaggio sviluppato da Tencent, e il collegamento suggerisce che l'operazione potrebbe essere stata condotta utilizzando risorse o infrastrutture associate a questo ecosistema. Tuttavia, è importante notare che il rapporto non conferma specificamente l'operatore o il modello coinvolto.
Questa mancanza di conferma definitiva è tipica del processo di ricerca sulla sicurezza: i ricercatori preferiscono presentare evidenze e lasciar formulare conclusioni ai lettori, piuttosto che fare affermazioni infondate. Tuttavia, gli indicatori accumulati – l'uso di infrastruttura Tencent Cloud, i pattern del codice, gli header specifici di Tencent – suggeriscono fortemente un qualche grado di collegamento o utilizzo dell'ecosistema Tencent.
La cronologia dell'operazione e le interruzioni
L'operazione non è stata completamente continua durante il periodo osservato. La flotta ha registrato attività intensa tra il 28 settembre e il 4 ottobre 2026, con il volume massimo il 4 ottobre. Tuttavia, il 5 ottobre, l'attività si è interrotta, indicando forse una pausa deliberata o un'interruzione non anticipata. Successivamente lo stesso giorno, l'operazione è ripresa e è rimasta attiva il 6 ottobre. Questo pattern di interruzione potrebbe suggerire che gli operatori stavano monitorando il rilevamento dei loro sforzi e adattando la loro operazione di conseguenza.
Implicazioni per la sicurezza e le prospettive future
La scoperta di questa flotta di agenti IA rappresenta una tendenza preoccupante: l'uso sofisticato di modelli di IA combinato con l'infrastruttura cloud per condurre operazioni di raccolta dati su larga scala. Questo incidente dimostra come le tecnologie emergenti di IA e cloud computing possono essere sfruttate per bypassare le protezioni progettate per i sistemi tradizionali di bot-detection.
Nessun record pubblico ha finora identificato un modello specifico o un lavoro di training associato all'operazione, lasciando aperta la questione sulla responsabilità e sull'intento dietro questa campagna. Se l'operazione era veramente collegata a Tencent o ai suoi ecosistemi, solleva domande importanti sulla governance delle tecnologie di IA e sulla responsabilità delle aziende nel prevenire l'abuso delle loro infrastrutture. Se invece proveniva da attori esterni, evidenzia una significativa vulnerabilità nell'architettura di sicurezza di Tencent Cloud.
Questa scoperta serve come catalizzatore importante per una riflessione più ampia sulla sicurezza delle mappe digitali e dei servizi di localizzazione, che sono diventati infrastrutture critiche nelle città moderne. La possibilità di raccogliere dati su larga scala sui modelli di movimento delle persone ha implicazioni significative per la privacy, la sicurezza urbana e persino l'intelligence. Il modo in cui i provider di servizi di mappatura evolveranno le loro protezioni in risposta a questo incidente determinerà se tali tecniche di raccolta dati automatica continueranno a essere efficaci nel futuro.