Conecta con nosotros

Noticias

Los atacantes ya explotan vulnerabilidades con IA sin intervención humana

Publicado el

Código en la pantalla de un portátil

El Google Threat Intelligence Group (GTIG) y Mandiant publicaron ayer la entrega trimestral de su AI Threat Tracker, y su hallazgo principal es una novedad incluso dentro de su propia serie: por primera vez, sus investigadores han observado a actores de amenazas usar marcos de trabajo basados en modelos de lenguaje para automatizar por completo el descubrimiento y la explotación de vulnerabilidades, sin intervención humana. Lo que en entregas anteriores era experimentación parcial aparece ahora documentado con telemetría de incidentes reales.

La prueba más nítida es un servidor de preparación expuesto que GTIG atribuye a un actor no identificado. Alojaba un marco multiagente bautizado como exploit_agent, conectado a varios modelos de frontera y locales, dedicado a hacer análisis diferencial de parches de software web popular: compara el código antes y después de cada actualización, deduce qué fallo se ha corregido, redacta un exploit y lo ejecuta, todo ello en bucle continuo. Junto a datos exfiltrados de víctimas, los investigadores hallaron scripts de reconocimiento interno, fuerza bruta e instalación de webshells, incluido uno que elimina los webshells de otros atacantes. La telemetría apunta a un interés específico por webs francesas de medios, entretenimiento y educación, y entre el código analizado figura un control de acceso del plugin Spectra para WordPress. Un archivo de configuración contenía comentarios en ruso, un dato que por sí solo no constituye atribución.

Marcos multiagente en intrusiones reales

El informe documenta además el uso en intrusiones reales de marcos de pentesting agéntico de código abierto. Además del ya conocido ARTEX, GTIG observó CAIRN en actividad de intrusión contra objetivos del sector aeroespacial de Estados Unidos, y un actor que entre finales de agosto y principios de octubre usó una plataforma de orquestación construida sobre PentAGI para reconocimiento y escaneo sistemático de organizaciones en Asia. También consta experimentación con CyberStrikeAI y HexStrike AI, y un grupo con vínculos con China que desarrollaría su propio marco de ataque automatizado para operaciones de espionaje. Los investigadores apuntan un límite actual de estas herramientas: ganan velocidad a costa del sigilo, porque la ejecución autónoma deja un rastro forense reconocible.

La ventana entre el parche y el ataque se estrecha

Las cifras que acompañan el informe miden esa compresión. Las divulgaciones y los exploits conocidos casi se duplicaron entre enero y agosto de 2026, mientras los zero-day pasaron de una media de 8 al mes en 2025 a 11 en 2026, con un pico de 22 en agosto. El caso PaperCut ilustra la nueva cadencia: dos vulnerabilidades encadenadas (CVE-2026-81578 y CVE-2026-82078) tuvieron exploits funcionales en menos de un día gracias a modelos de lenguaje, y cuatro días después de la divulgación GreyNoise ya registraba una campaña contra cientos de organizaciones, con atacantes que pasaban del acceso inicial a administrador de dominio en cuestión de minutos. El efecto colateral también está medido: tras los parches de PHP del 21 de octubre aparecieron cientos de supuestos exploits no funcionales, probablemente generados con IA, que multiplican el trabajo de verificación de los defensores. Es la misma deriva que apuntábamos al analizar los sistemas de ataque autónomos impulsados por IA a comienzos de año.

LLMJacking, espionaje y propaganda

En el frente económico, Mandiant detalla incidentes de LLMJacking (robo de credenciales y cuota de computación para consumir modelos a costa de la víctima) con cargos fraudulentos que superaron los 100.000 dólares en un solo día y un millón acumulado en los casos más graves. El acceso robado se revende en los llamados LLM Mixers, escaparates clandestinos que ofrecen modelos de frontera a entre 0,10 y 25 dólares por millón de tokens. En espionaje, el informe sigue la actividad de CALANQUE ION (el actor iraní antes conocido como APT42), del contratista chino LEAKY CASTLE, que usa modelos de lenguaje para analizar y traducir datos robados, y de los trabajadores TI de Corea del Norte, que emplean estas herramientas hasta para pasar entrevistas de trabajo. El salto cualitativo lo marca el clúster MIDNIGHT NEPTUNE: convertir los asistentes de código con IA de la propia empresa atacada en vector de cadena de suministro, manipulando su configuración para soltar puertas traseras durante la ejecución local.

En operaciones de influencia, GTIG constata la integración plena de los modelos de lenguaje: una plataforma investigada en agosto automatizaba el ciclo completo de campaña dirigida sobre todo a Europa y Oriente Medio, con personas sintéticas que imitan dialectos regionales y cometen erratas deliberadas para aparentar organicidad, y un contratista comercial desarrollaba una herramienta capaz de gestionar más de 100.000 cuentas. El informe no desglosa víctimas o campañas por países y no documenta casos específicos en España.

Conviene leer el documento con el contexto en la mano: llega el mismo día en que Google presenta AI Threat Defense, su arquitectura defensiva con Gemini, Wiz, CodeMender y Mandiant, de modo que la compañía firma el diagnóstico y ofrece la respuesta. Descontado ese interés, la constatación de fondo se sostiene en datos de respuesta a incidentes: la automatización ofensiva con IA ya opera sobre casos reales, algo que ya avanzábamos al constatar que los ciberataques por IA son imparables con las defensas actuales. La pregunta que queda abierta es si la defensa automatizada llegará al mismo ritmo que el ataque, y el propio informe reconoce una incógnita relevante: cuánto tiempo llevan operando estos marcos sin ser detectados.

Más información | GTIG AI Threat Tracker: Agentic Threat Activity Crosses a Significant Threshold

Lo más leído