Robinhood Crypto było celem testu bezpieczeństwa w trybie white-hat z pomocą sztucznej inteligencji, który pokazał, jak szereg oddzielnych podatności można połączyć w łańcuch, prowadzący od słabości w przesyłaniu plików aż do zdalnego wykonania kodu i dostępu do powiązanych systemów deweloperskich.

Włamanie przeprowadzono za pomocą Agent Wormhole, zautomatyzowanej operacji testowania bezpieczeństwa, która połączyła wiele słabości w środowisku technologicznym firmy. Zgodnie z raportem CoinTrust sekwencja łączyła przepełnienie sterty przy przesyłaniu plików HEIF, podatność logowania jednokrotnego oraz dostęp do powiązanych systemów sztucznej inteligencji i tworzenia oprogramowania. Cały łańcuch ataku podobno zbudowano w mniej niż 72 godziny.

Co istotne, test nie obejmował bezpośredniego atakowania głównych publicznie dostępnych punktów wejścia firmy, co uwypukla potencjał atakujących do wykorzystywania powiązanych ze sobą usług zamiast opierania się wyłącznie na konwencjonalnych atakach obwodowych. Dla platformy handlu kryptowalutami, gdzie klienci oczekują ciągłego dostępu do rynków, test przypomina, że infrastruktura wewnętrzna stanowi część rzeczywistej powierzchni ataku platformy obok jej produktów publicznych.

Podatność przesyłania HEIF doprowadziła do zdalnego wykonania kodu

Etap początkowy koncentrował się na podatności związanej z przesyłaniem obrazów HEIF. HEIF (High Efficiency Image File Format) to format kontenerowy szeroko używany do przechowywania obrazów na nowoczesnych urządzeniach mobilnych, co sprawia, że kod obsługujący przesyłanie jest rutynowym elementem wielu aplikacji konsumenckich. Specjalnie spreparowany plik został użyty do wykorzystania przepełnienia sterty, co pozwoliło badaczom zmierzać w kierunku zdalnego wykonania kodu.

Podatności pamięci oparte na stercie mogą dać atakującemu przzeń do manipulowania sposobem przetwarzania danych przez aplikację. W połączeniu z dodatkowymi słabościami takie błędy mogą stać się punktem wejścia do systemów znacznie wykraczających poza pierwotną aplikację.

Operacja Agent Wormhole pokazała, jak pozornie ograniczony błąd przetwarzania plików można połączyć z innymi wadami, tworząc szerszą kompromitację w powiązanym środowisku technologicznym Robinhood Crypto. Sekwencja podobno przeszła od podatności przesyłania HEIF do zdalnego wykonania kodu, a następnie do infrastruktury uwierzytelniania i tożsamości — progresja, która ilustruje, dlaczego podatności należy badać pod kątem ich wzajemnych interakcji między komponentami, a nie oceniać w izolacji.

Podatność SSO rozszerzyła ścieżkę ataku

Kolejny etap obejmował słabość infrastruktury logowania jednokrotnego. Systemy SSO mają upraszczać uwierzytelnianie, pozwalając użytkownikom uzyskiwać dostęp do wielu usług poprzez jeden scentralizowany mechanizm tożsamości, co oznacza, że błąd w takim systemie może mieć konsekwencje daleko wykraczające poza pojedynczą aplikację.

W opisywanym teście podatność SSO rozszerzyła dostęp z początkowo skompromitowanego środowiska na inne powiązane usługi. Badacze dotarli następnie do systemów związanych z ChatGPT i Codex, umożliwiając szersze przejęcie połączonych zasobów.

Operacja dotarła również do infrastruktury GitHub używanej wewnętrznie do tworzenia oprogramowania, gdzie podobno uzyskano dostęp do wewnętrznych pull requestów. Ten wynik pokazuje, jak podatność na poziomie aplikacji może potencjalnie przerodzić się w problem łańcucha dostaw oprogramowania, gdy systemy uwierzytelniania i rozwoju są ze sobą powiązane.

AI przyspiesza łączenie podatności w łańcuchy

Test wskazuje na pojawiające się zagrożenie w cyberbezpieczeństwie: sztuczna inteligencja może przyspieszyć odkrywanie relacji między podatnościami i identyfikowanie sposobów przemieszczania się między systemami. Tradycyjne testy penetracyjne często wymagają znacznych ręcznych badań, aby wyznaczyć skuteczną ścieżkę ataku. Testowanie z pomocą AI może zautomatyz części rozpoznania, analizy podatności i budowania łańcucha ataku, potencjalnie skracając czas potrzebny na połączenie oddzielnych słabości. W miarę jak narzędzia AI, takie jak ChatGPT i Codex, stają się osadzone w codziennych przepływach pracy deweloperów, połączenia między tymi narzędziami a resztą stosu technologicznego firmy prawdopodobnie zostaną poddane dokładniejszej analizie przez zespoły bezpieczeństwa.

Na platformie X Eric Cryptoman oznaczył dyrektora generalnego Robinhood, Vlada Teneva, w sprawie testu:

Big alpha on the @RobinhoodCrypto chain. @vladtenev have you seen Agent Wormhole?

— Eric Cryptoman (@EricCryptoman) September 18, 2026

https://x.com/EricCryptoman/status/2100915475643343246?ref_src=twsrc%5Etfw

Opisywana sekwencja została ukończona w mniej niż 72 godziny, co pokazuje, jak testowanie bezpieczeństwa z pomocą AI może skrócić czas potrzebny na zidentyfikowanie i zademonstrowanie złożonych podatności łańcucha zaufania. Wyniki podkreślają również znaczenie zabezpieczania zależności między aplikacjami, systemami tożsamości, usługami AI i platformami deweloperskimi. Ochrona każdego komponentu osobno może nie być wystarczająca, jeśli słabość w jednym systemie może zostać wykorzystana do uzyskania uprawnień gdzie indziej.

Podatności załatane po ujawnieniu

Test bezpieczeństwa przeprowadzono jako operację white-hat, co oznacza, że jego celem było zidentyfikowanie podatności, a nie wyrządzenie szkód lub utrzymanie nieautoryzowanego dostępu. Po ujawnieniu Robinhood Crypto podobno załatał zidentyfikowane słabości w ciągu 14 godzin. Skoordynowane ujawnianie, w którym badacze prywatnie zgłaszają błędy, aby poprawki mogły zostać wdrożone przed upublicznieniem szczegółów, to długo ugruntowana praktyka w branży bezpieczeństwa.

Szybka naprawa podkreśla wartość kontrolowanych testów bezpieczeństwa w ujawnianiu złożonych ścieżek ataku, zanim zostaną wykorzystane przez złośliwych aktorów. Odzwierciedla to również rosnącą świadomość, że organizacje muszą oceniać całe łańcuchy zaufania, zamiast skupiać się wyłącznie na pojedynczych podatnościach.

Szerzej, incydent pokazuje, że traktowanie przesyłania plików, systemów uwierzytelniania, usług AI i infrastruktury deweloperskiej jako powiązanych ze sobą komponentów może być kluczowe dla zapobiegania przekształceniu lokalnej słabości w szerszą kompromitację. W miarę rozwoju testów penetracyjnych z pomocą AI zespoły bezpieczeństwa prawdopodobnie staną w obliczu szybszego i bardziej zautomatyzowanego wykrywania podatności. Test Robinhood Crypto stanowi konkretny przykład tego, jak słabości można szybko połączyć, wzmacniając potrzebę ciągłego testowania, silnej kontroli tożsamości i szybkiej naprawy w powiązanych środowiskach technologicznych.