Cato Networks démontre le potentiel offensif des chaînes d’attaques agentiques
Cato Networks publie une étude montrant qu’une chaîne d’attaque agentique peut compromettre un environnement Active Directory contrôlé jusqu’à l’obtention de privilèges Domain Administrator en 40 minutes. Les travaux de Cato CTRL illustrent l’accélération possible des attaques lorsque l’IA est associée à des outils, du contexte et une orchestration adaptés.
Les agents IA ne représentent plus seulement un sujet d’automatisation défensive ou de productivité. Ils peuvent aussi être utilisés pour accélérer l’exécution d’opérations offensives déjà connues. C’est l’un des enseignements de la nouvelle étude publiée par Cato Networks, menée par son équipe de recherche sur les menaces Cato CTRL.
Les chercheurs ont démontré qu’une chaîne d’attaque agentique pouvait compromettre un environnement Active Directory d’entreprise contrôlé jusqu’à l’obtention des privilèges Domain Administrator en seulement 40 minutes. Le scénario démarrait à partir d’un unique prompt de haut niveau, l’agent prenant ensuite en charge de manière largement autonome les différentes étapes de l’attaque.
L’étude s’appuie sur une combinaison précise : un modèle d’IA de dernière génération, une plateforme d’agents, des outils compatibles MCP, pour Model Context Protocol, un contexte opérationnel structuré et une orchestration adaptée. Selon Cato CTRL, cette chaîne permet d’exécuter une attaque complète, depuis un accès externe jusqu’à l’élévation de privilèges dans l’environnement Active Directory. Lors des expérimentations, l’agent a assuré la reconnaissance, l’exploitation, la découverte interne, l’élévation de privilèges, les mouvements latéraux et les activités d’exfiltration. Les tests ont été menés avec OpenAI GPT-5.5, associé à des outils offensifs et à un contexte opérationnel structuré. Les résultats montrent qu’un modèle accessible publiquement peut exécuter une chaîne d’attaque de bout en bout lorsqu’il est correctement outillé et orchestré.
L’un des points importants de l’étude est que la réussite des scénarios ne dépend pas uniquement du modèle utilisé. À travers six scénarios d’attaque, Cato CTRL a observé que les meilleurs résultats venaient surtout de l’association entre raisonnement du modèle, plateforme d’agents, outils MCP, objectifs humains et contexte opérationnel. De meilleures instructions, un meilleur contexte et une orchestration plus efficace ont davantage pesé qu’un simple changement de modèle. L’étude souligne aussi la capacité d’adaptation des attaques agentiques. Lorsque les scénarios initiaux échouaient ou que l’environnement évoluait, l’agent pouvait générer de nouvelles sondes de vulnérabilité, modifier ses méthodes de collecte ou concevoir des voies de communication alternatives. Il ne se limitait donc pas à exécuter une suite de commandes prédéfinie.
Pour Cato Networks, l’enjeu dépasse la découverte de nouvelles techniques d’attaque. Les agents IA pourraient surtout industrialiser et accélérer des chaînes déjà maîtrisées par les attaquants. Cela réduit les délais d’exécution, abaisse certains seuils opérationnels et impose aux organisations de repenser leur capacité de détection et de réponse face à des attaques plus rapides, plus autonomes et mieux orchestrées.