SpecterOps heeft Blacklight gelanceerd, een open-source toolkit die specifiek ontworpen is om lokale artefacten van AI-codeeragenten te identificeren. Deze agenten, zoals Codex, Claude Code, Cursor en Antigravity CLI, winnen aan populariteit voor diverse taken, waaronder coderen, probleemoplossing, commando-uitvoering, repository-inspectie en interactie met cloudbronnen.

De lokale bestanden die door deze AI-agenten worden gegenereerd, kunnen echter aanzienlijke hoeveelheden gevoelige informatie bevatten. Denk hierbij aan authenticatiegegevens, sessiegeschiedenis, projectdetails en informatie over verbonden services. Deze gegevens vormen een potentieel risico voor aanvallers die toegang krijgen tot een werkstation.

Blacklight stelt beveiligingsteams in staat om deze nieuwe blootstellingsrisico's te begrijpen. De toolkit identificeert eerst geïnstalleerde AI-agenten op een systeem en rangschikt vervolgens de meest bruikbare artefacten voor beoordeling.

De meest gevoelige artefacten betreffen authenticatiebestanden. Voorbeelden hiervan zijn Codex-authenticatiebestanden, zoals `.codex/auth.json`, en Claude Code-credentialbestanden. Deze bestanden kunnen toegangstokens, vernieuwingstokens, accountidentificaties, sessiemetadata en OAuth-gerelateerde informatie bevatten. Een geldig toegangstoken kan een aanvaller in staat stellen een geauthenticeerde gebruikerssessie te imiteren, terwijl vernieuwingstokens langdurige toegang kunnen bieden.

Configuratiebestanden onthullen informatie over de gebruikte modellen, vertrouwde projecten, instellingen voor commando-goedkeuring, sandboxregels, omgevingsvariabelen en serverconfiguraties. Omgevingsvariabelen kunnen onder andere API-sleutels, cloudreferenties of verbindingsinformatie voor externe modelaanbieders bevatten.

Sessietranscripties, waaronder de chatgeschiedenis van AI-agenten, kunnen inzicht geven in de werkzaamheden van een gebruiker, interne bestandspaden, repositorynamen, debuggingsuitvoer, implementatie-instructies, interne URL's, hostnamen en uitgevoerde commando's. Zelfs zonder directe inloggegevens kunnen deze sessies waardevolle zakelijke context en operationele intenties blootleggen, wat kan helpen bij het identificeren van kritieke infrastructuur of actieve projecten.

Blacklight Scout biedt endpointdetectie op Windows, macOS en Linux. De "quieter loaders" voeren een initiële analyse van het bestandssysteem uit, rapporteren ontdekte agentroots, belangrijke paden, bestandsgroottes en recentheid zonder de inhoud van de artefacten zelf te lezen. Windows-executables maken een diepere metadata-analyse mogelijk zonder het onthullen van geheimen, identiteiten, sessieteksten of endpoints.

Voor diepgaander onderzoek kunnen specifieke bestanden offline worden verzameld en verwerkt met het `blacklight sessions` commando. Deze analyse kan ondersteunde agentbestanden identificeren, formaten parsen, indicatoren genereren en gerangschikte rapporten produceren. De toolkit kan ook artefacten voorbereiden voor tools zoals Nemesis en TruffleHog, voor uitgebreidere scanning op geheimen.

Blacklight omvat osquery-configuraties en SIEM-richtlijnen voor het inventariseren van agentartefacten en het monitoren van wijzigingen. Op Windows wordt aanbevolen om Security Event 4663 te gebruiken met ingeschakelde Audit File System en passende SACL's op waardevolle paden. Op macOS en Linux kan bestandsevenementtelemetrie worden ingezet, hoewel dit tot een aanzienlijk datavolume kan leiden.

Lokale AI-agenten moeten worden beschouwd als vergelijkbaar met browserprofielen, cloud CLI-configuraties, shellgeschiedenis en andere waardevolle opslagplaatsen van endpoint-gegevens. Organisaties wordt geadviseerd om het gebruik van AI-agenten te inventariseren, de toegang tot lokale profielmappen te beperken, het lezen van credentialbestanden te monitoren, instellingen voor vertrouwde projecten te beoordelen en retentiebeleid voor sessies vast te stellen.