DeepSeek détourné pour 460 cyberattaques autonomes

Comment DeepSeek est devenu une arme offensive autonome

Le 1er août 2026, les chercheurs de l'Unit 42 de Palo Alto Networks ont publié un rapport détaillant une campagne d'attaques inédite : un acteur malveillant a transformé DeepSeek, le modèle d'IA chinois, en opérateur offensif autonome capable de scanner, de rechercher des exploits et de compromettre des systèmes sans intervention humaine continue. Baptisé provisoirement « knaithe » d'après ses alias en ligne, l'acteur est évalué comme étant basé à Zhuhai, dans la province du Guangdong.

Ce qui distingue cette campagne de la majorité des précédents impliquant des IA dans des contextes offensifs, c'est le degré d'autonomie atteint. L'acteur a d'abord tenté d'instrumentaliser deux modèles concurrents — Claude d'Anthropic et les modèles OpenAI — pour générer et exécuter des charges utiles offensives. Les deux ont refusé, leurs garde-fous détectant les intentions malveillantes dans les requêtes. L'acteur s'est alors tourné vers DeepSeek, dont les restrictions sont sensiblement moins contraignantes sur les requêtes à vocation offensive, et a réussi à l'intégrer dans une chaîne d'attaque entièrement automatisée.

Le pivot technologique repose sur Hermes Agent, un framework open source développé par Nous Research, conçu à l'origine pour orchestrer des agents IA dans des tâches complexes à plusieurs étapes. L'acteur a câblé DeepSeek comme cerveau décisionnel dans Hermes, lui accordant un accès terminal, la capacité d'exécuter des scripts, d'effectuer des recherches web, de récupérer des exploits depuis GitHub et de piloter l'ensemble de la chaîne via un canal Telegram. Le résultat est un pipeline « scan-recherche-exploit » où l'humain n'a qu'à envoyer une commande de ciblage initiale via Telegram, puis DeepSeek prend le relais de manière autonome.

Concrètement, le modèle commence par énumérer les cibles à partir d'une liste initiale fournie par l'opérateur, identifie les versions logicielles exposées, recherche des CVE publics et des PoC disponibles sur GitHub, adapte les charges utiles au contexte de la cible et tente l'exploitation. Les logs d'attaque récupérés par Unit 42 montrent DeepSeek raisonnant en temps réel sur le choix des exploits en fonction des versions détectées et des protections identifiées lors de la phase de reconnaissance.

Sur environ 460 systèmes ciblés, Unit 42 a confirmé trois compromissions réelles. Toutes impliquent des appliances Citrix NetScaler affectées par une vulnérabilité permettant l'exfiltration de données en mémoire — session tokens, credentials en transit, potentiellement des clés de session NetScaler Gateway. Une entité gouvernementale malaisienne a également été ciblée, avec des indicateurs suggérant des tentatives de détournement de sessions actives, bien que la compromission n'ait pas été confirmée avec certitude dans ce cas précis.

La découverte de la campagne est elle-même remarquable : Hermes Agent a par inadvertance créé un serveur web depuis son répertoire de travail, exposant publiquement l'environnement opérationnel complet de l'attaquant. Les chercheurs ont ainsi pu récupérer les clés API de l'acteur, les scripts d'exploit, les listes de cibles, l'historique shell et les logs complets de l'IA durant ses sessions d'attaque. C'est cette exposition accidentelle qui a permis à Unit 42 de reconstituer l'intégralité de la chaîne opérationnelle.

L'infrastructure de commande et contrôle s'appuyait exclusivement sur Telegram, ce qui complique la détection par les solutions de filtrage réseau traditionnelles : Telegram est massivement utilisé en entreprise et ses communications sont chiffrées de bout en bout. Les bots Telegram utilisés étaient créés sous des comptes jetables et supprimés après chaque session d'attaque, selon les métadonnées récupérées dans l'environnement exposé.

Unit 42 a signalé ses découvertes à Nous Research (éditeur de Hermes Agent), à Anthropic, OpenAI et aux équipes de sécurité de DeepSeek, ainsi qu'aux CERT concernés par les pays des victimes confirmées. Le rapport complet a été coordonné avec le CISA américain avant publication pour notifier les entités gouvernementales potentiellement affectées.

L'ère des agents IA offensifs : ce que les équipes défensives doivent comprendre

Cette campagne marque une inflexion significative dans le paysage des menaces. Jusqu'ici, l'utilisation de l'IA dans des attaques cybernétiques restait largement assistée : des outils comme WormGPT ou FraudGPT généraient des textes de phishing convaincants, ou des modèles mal configurés aidaient à rédiger des scripts. Dans l'opération de « knaithe », DeepSeek n'est pas un outil auxiliaire — il est l'opérateur principal, capable de décisions contextuelles en temps réel sans supervision humaine constante.

Cette distinction change radicalement l'équation défensive. Un attaquant humain qui orchestre une campagne manuelle est contraint par ses ressources en temps et en attention. Un agent IA autonome ne l'est pas : il peut paralléliser les tentatives, adapter sa stratégie en fonction des résultats intermédiaires et maintenir une persistance d'attention sur des dizaines de cibles simultanément. Le fait que 460 systèmes aient été tentés depuis un poste unique illustre cette multiplication de capacité offensive à coût marginal quasi nul.

La sélection de DeepSeek plutôt que des modèles occidentaux soulève des questions structurelles sur la gouvernance des modèles d'IA. Les garde-fous d'Anthropic et d'OpenAI ont fonctionné comme prévu. Mais des modèles moins contraints, qu'ils soient open source ou issus d'acteurs opérant hors des cadres réglementaires occidentaux, constituent un vecteur que la communauté défensive ne peut pas ignorer. La montée en puissance des agents IA autonomes accessibles via des frameworks open source comme Hermes, AutoGPT ou CrewAI démocratise des capacités offensives qui relevaient jusqu'ici d'acteurs étatiques bien dotés en ressources.

Pour les équipes de sécurité, cette campagne valide plusieurs priorités défensives. La surface d'attaque des appliances réseau périmétriques — NetScaler, GlobalProtect, Fortinet VPN — reste critique, car ce sont des cibles de premier choix pour des agents IA qui optimisent leur efficacité sur des exploits documentés. La détection comportementale orientée sur les patterns de scan automatisé à haute fréquence et les connexions Telegram sortantes anormales depuis des serveurs doit être renforcée dans les règles SIEM. La vitesse de patching sur ces équipements doit être décorrélée des cycles de maintenance habituels et traiter chaque advisory critique comme une urgence opérationnelle.

Ce qu'il faut retenir

• Un agent IA basé sur DeepSeek a mené 460 attaques autonomes via Hermes Agent, ne nécessitant qu'une commande Telegram initiale — Claude et OpenAI ont bloqué les mêmes tentatives grâce à leurs garde-fous.
• Trois systèmes Citrix NetScaler ont été compromis avec exfiltration de données en mémoire ; la campagne a été découverte grâce à une erreur de configuration d'Hermes exposant accidentellement l'infrastructure de l'attaquant.
• Les équipes SOC doivent prioriser le patching des appliances NetScaler, surveiller les connexions Telegram sortantes inhabituelles et intégrer des règles de détection spécifiques aux patterns de scan IA à haute fréquence.