8IA × Ciber✨TechCrunch AI ·
● Trascendental · últimas 48 h
- 9Exposed Infrastructure Reveals How Ransomware Affiliates Used AI Agents to Execute Intrusions
Investigadores de ciberseguridad han descubierto un ecosistema de intrusión impulsado por IA operado por afiliados de los grupos de ransomware INC y The Gentlemen, centrado en un marco llamado Phantom que ejecuta cadenas de ataque completamente autónomas pero supervisadas por humanos. Los atacantes, de habla rusa, explotaron activamente múltiples vulnerabilidades en sistemas de acceso remoto (FortiClient EMS, SimpleHelp, cPanel) y usaron bases de conocimiento gestionadas por IA para rastrear víctimas, credenciales robadas y progreso de campañas. Se estima que han dirigido 62 organizaciones, principalmente en sectores industrial, manufacturero y energético en EE.UU., usando un enfoque de «IA ejecuta, humano aprueba» donde OpenRouter y OpenCode hospedan modelos comerciales que cumplen las instrucciones de operadores de red team autorizados.
→ Actualiza FortiClient EMS, SimpleHelp y cPanel/WHM a las versiones corregidas de CVE-2026-35616 y CVE-2026-41940; implementa autenticación multifactor en sistemas de acceso remoto y desactiva la reutilización de credenciales entre plataformas críticas.
- 9Critical Flaw in Python’s Popular Pillow Image Library Allows Code Execution via a Crafted Image
Pillow, la librería de imágenes más utilizada para Python, contiene múltiples vulnerabilidades críticas que permiten ejecutar código arbitrario a través de ficheros manipulados. El fallo principal (CVE-2026-112900) afecta al manejo de imágenes EPS, donde la librería pasa el nombre del fichero a Ghostscript sin validación previa. Pillow se descarga aproximadamente 436 millones de veces al mes y está presente en aplicaciones web, herramientas de avatar, tuberías de PDF y proyectos de aprendizaje automático, por lo que el riesgo es generalizado.
→ Actualiza Pillow a versión 13.0.0 o posterior ejecutando pip install -U 'Pillow>=13.0.0' y reconstruye contenedores o imágenes base.
- 9LiteLLM release pipeline hacked to distribute info-stealer malware
El proyecto LiteLLM sufrió un ataque a su cadena de suministro: atacantes comprometieron el pipeline de lanzamientos y distribuyeron la versión 1.107.0 en PyPI y Docker Hub con malware que roba credenciales, secretos y variables de entorno. LiteLLM es una SDK de Python masivamente popular (92 millones de descargas mensuales, 61.800 estrellas en GitHub) utilizada por empresas como NVIDIA, Netflix, AT&T y Okta, lo que convierte este incidente en un riesgo crítico para miles de aplicaciones en producción.
BleepingComputer · hace 34 horasFuente ↗ - 9eMudhra to Exit Global SSL/TLS Business After 8 Intermediate CA Keys Found Easily Guessable
eMudhra, una autoridad de certificación india, abandona su negocio global de certificados SSL/TLS tras descubrirse que ocho claves privadas de certificados intermedios eran fácilmente adivinables (todos los valores estaban por debajo de 256). Chrome y Firefox han dejado de confiar en la raíz emSign ECC Root CA - G3, afectando a unos 30.800 certificados sin expirar, principalmente de InCommon utilizado por universidades estadounidenses. eMudhra reemplazará los certificados afectados con otros gratuitos de socios, y la empresa estima que el 97% de los 30.000 certificados afectados pueden migrarse automáticamente mediante ACME.
The Hacker News · hace 35 horasFuente ↗ - 9Arista patches new VeloCloud Orchestrator zero-day exploited in attacks
Arista Networks ha parcheado una vulnerabilidad zero-day crítica en VeloCloud Orchestrator (VCO) On-Prem que está siendo explotada activamente. El fallo (CVE-2026-114625) permite a atacantes con credenciales válidas y acceso a la interfaz web escalar privilegios mediante SQL injection, comprometiendo la confidencialidad, integridad y disponibilidad del orquestador. La empresa ha publicado parches para sus despliegues alojados y recomienda restricciones de acceso inmediatas.
→ Actualiza VeloCloud Orchestrator a versión 5.2.3.18 o posterior, 6.1.3.10 o posterior, o 6.4.2.12 o posterior, y restringe el acceso a la interfaz web a redes administrativas hasta completar el parche.
Destacados · últimas 48 h
8IA × Ciber✨The Verge AI ·
8CiberBleepingComputer ·
8Ciber⚠ Acción requeridaThe Hacker News ·
BlackX UEFI Bootkit Bypasses Secure Boot on Patched Windows Systems Missing Revocations
→ Aplica manualmente las mitigaciones de revocación de Secure Boot de Microsoft, añadiendo el certificado "Windows Production PCA 2011" a la lista negra DBX de UEFI, especialmente en organizaciones diplomáticas y entidades de alto valor.
8CiberBleepingComputer ·
8IA × CiberSecurityWeek ·
8CiberUna al día (Hispasec) ·
8Ciber⚠ Acción requeridaBleepingComputer ·
Railway warns devs to rotate secrets after potential breach
→ Rota inmediatamente todas las variables de entorno, claves API, credenciales de base de datos y credenciales de registro privado almacenadas en Railway.
Últimas noticias
3948 noticias6IA × Ciber✨arXiv cs.AI ·
Evaluating Coding Agents on Kernel Exploit Generation
Investigadores presentan KEX-bench, un benchmark para evaluar agentes de IA en la generación de primitivas de exploit contra kernels reales de Linux y Windows. Los agentes más avanzados alcanzan el 56% de éxito en tareas de Linux y el 5% en Windows sin PoC de referencia, mejorando hasta el 68,9% con ejemplos previos, revelando un vacío crítico entre causar crashes del kernel y construir exploits funcionales.
5IA × Ciber✨arXiv cs.AI ·
Recovering Agentic Sovereignty: Mitigating the Consensus Paradox via Contrastive Epistemic Decoding
Investigadores presentan Contrastive Epistemic Decoding (CED), una técnica de inferencia sin entrenamiento que mitiga la vulnerabilidad paramétrica de los LLM a ataques de consenso adversarial en enjambre, reduciendo el sesgo de conformidad hasta un 33% y mejorando la precisión en benchmarks complejos como GAIA y SWE-bench sin degradar la capacidad lingüística del modelo.
6IA × Ciber✨arXiv cs.AI ·
RAG-NAROK: Retrieval-Aware Knowledge Corpus Poisoning in RAG with Source-specific Refutation
RAG-NAROK es una nueva técnica de ataque contra sistemas RAG (Retrieval-Augmented Generation) que adapta documentos adversariales en tiempo de consulta, explotando la transparencia de la arquitectura para identificar fuentes legítimas y generar refutaciones específicas que manipulan la generación del LLM. El ataque demuestra vulnerabilidades fundamentales en el diseño de sistemas RAG que priorizan la transparencia, revelando cómo la confianza en fuentes recuperadas puede ser socavada por inyecciones de contenido malicioso.
6IA × Ciber✨arXiv cs.AI ·
Clarification Is Not Correction: LLMs Fail to Let Go
Investigadores descubren que los LLMs cometen errores de interpretación temprana (early posterior collapse) en diálogos: cuando el modelo recibe instrucciones ambiguas, colapsa en una única interpretación oculta y no la revisa aunque se proporcione información aclaratoria después. En tareas de escritura, planificación y codificación con Gemini-2.5, el orden de la información genera resultados diferentes incluso con datos finales equivalentes, evidenciando que la clarificación posterior se filtra a través del compromiso inicial. Los prompts estándar y estrategias de memoria no mitigan el problema de forma fiable, lo que sugiere la necesidad de rediseñar cómo los asistentes mantienen estados de tarea inciertos.
7IA × Ciber✨arXiv cs.CR ·
A2M: Trace-Optimized Agent Hijacking in the MCP Ecosystem
Investigadores demuestran A2M, un ataque de caja negra que secuestra agentes IA que usan el protocolo Model Context Protocol (MCP) explotando selección semántica de herramientas. El ataque logra tasas de invocación maliciosa del 93,6% en modelos como GLM-4.6 e impacta desde denegación de servicio cognitivo hasta exfiltración de información, exponiendo riesgos críticos en la cadena de suministro de herramientas de terceros en ecosistemas MCP.
6IA × CiberarXiv cs.CR ·
From Alignment to Access Control: A Framework for GenAI Policy Enforcement
Un estudio propone un marco sistemático para analizar y aplicar políticas de control de acceso en aplicaciones de IA generativa, abordando la brecha de seguridad entre el rápido desarrollo de capacidades y la lenta evolución de mecanismos de protección. Los autores señalan que la confusión terminológica actual en la industria ha generado soluciones fragmentadas insuficientes para cumplimiento normativo, y presentan recomendaciones para que la comunidad desarrolle enfoques unificados.
5IA × Ciber✨arXiv cs.CR ·
Decoding the Legalese: A Scalable and Quantitative Framework for Analyzing Corporate Privacy Policies
Investigadores desarrollan un sistema basado en LLMs para analizar automáticamente políticas de privacidad corporativas a escala, extrayendo y estructurando cómo las organizaciones recopilan y comparten datos personales. El estudio introduce métricas cuantitativas estandarizadas para evaluar estas políticas en cuatro dimensiones (completitud, transparencia, protección del usuario e intereses comerciales) aplicadas a 10.000 políticas web, revelando la tensión entre protección del usuario y prácticas orientadas al negocio.
7IA × Ciber✨arXiv cs.CR ·
Rouxii: Exploiting Honeypots with Deception-Aware AI Pentesters
Investigadores presentan Rouxii, un marco de pentesting autónomo basado en LLM que puede identificar y explotar honeypots cuando está explícitamente equipado con capacidad de contra-deception. En evaluaciones con tres modelos de razonamiento, la capacidad de identificar correctamente honeypots sube del 19% al 97% usando prompts de anti-deception, demostrando que la efectividad de los honeypots depende fuertemente del conocimiento del atacante. El trabajo también muestra que los honeypots detectados pueden ser explotados para causar denegación de servicio o corrupción de datos, lo que implica que las evaluaciones de resistencia de honeypots contra atacantes de IA deben considerar adversarios que razonan activamente sobre la capa de deception.
5IA × CiberarXiv cs.CR ·
HYDRA: Proactive Android Malware Drift Adaptation via Hierarchical Graph Contrastive Learning
Se presenta HYDRA, un marco de aprendizaje automático que aborda la degradación del rendimiento en detectores de malware Android debida a la evolución constante de las amenazas (concept drift). El método combina grafos de flujo de control y grafos de llamadas de función con contrastive learning para adaptar modelos de forma proactiva sin requerir anotación manual extensiva, logrando mejoras significativas en tasas de falsos negativos y positivos.
4IA × CiberarXiv cs.CR ·
Design and Evaluation of a Controlled Post-Alert Incident Orchestration and Response Subsystem Using a Rule Engine and a Local Large Language Model
Un artículo académico presenta un subsistema de orquestación y respuesta a incidentes para sistemas de información educativos, que combina un motor de reglas deterministas con un LLM local controlado mediante validadores, guardrails y desinfectantes de salida. El sistema fue evaluado en laboratorio con alertas simuladas en Elasticsearch, demostrando corrección funcional y tiempos de procesamiento acotados de aproximadamente 33 segundos por alerta.
6IA × CiberarXiv cs.CR ·
On the security and privacy of LLMs in Mobility
Un estudio analiza la seguridad y privacidad de los LLM en sistemas de transporte, un sector con un mercado de 2,9 billones de dólares anuales que afecta a más de 1.500 millones de vehículos. Los investigadores encuentran una brecha significativa: mientras que el 50% de los trabajos estudiados se enfoca en modelos GPT y Llama, solo uno de los 35 trabajos revisados incluye una evaluación parcial de vulnerabilidades y ninguno implementa completamente gestión de riesgos conforme a la Ley de IA europea. El análisis concluye que el cumplimiento regulatorio está limitado menos por cuestiones tecnológicas que por la falta de enfoque en seguridad desde el diseño en sistemas críticos de transporte inteligente.
5IA × CiberarXiv cs.CR ·
Neural Fingerprints for Malware Analysis: An Image-Based Metric Learning Approach with Application to Cross-Domain Classification
Investigadores desarrollan un enfoque de aprendizaje métrico basado en imágenes para identificar familias de malware mediante embeddings neurales (neural fingerprints) sin necesidad de reentrenamiento ante nuevas familias. El método logra un 73,1% de precisión en reconocimiento zero-shot y demuestra capacidad de transferencia entre conjuntos de datos, escalable mediante FAISS para galerías grandes.
4IA × CiberarXiv cs.CR ·
Image-Based Techniques and Ensemble Soft Voting for Malware Classification
Investigación sobre clasificación de familias de malware mediante técnicas de aprendizaje automático que convierten binarios maliciosos en imágenes y aplican extracción de características con métodos tradicionales y redes neuronales profundas. Un ensemble con soft voting de quince clasificadores alcanza el 80,2% de precisión, mejorando significativamente el mejor modelo individual gracias a la complementariedad de las representaciones de características.
5IA × Ciber✨arXiv cs.CR ·
Towards Effective Black-Box Adversarial Attacks on Deep Code Models via Structural and Identifier Perturbations
Strike es un framework de pruebas de robustez adversarial que genera ataques black-box contra modelos de código profundo mediante perturbaciones estructurales e identificadores dinámicos guiados por LLM. El trabajo demuestra que estos ataques logran tasas de éxito superiores en detección de vulnerabilidades, detección de clones y resumen de código, manteniendo la similitud semántica del código original.
6IA × CiberarXiv cs.CR ·
Dynamic Deep Prompt Optimization for Defending Against Jailbreak Attacks on LLMs
Investigadores proponen Dynamic Deep Prompt Optimization (DDPO), una defensa contra ataques de jailbreak en LLMs que genera dinámicamente embeddings defensivos mediante capas intermedias del modelo, sin modificar sus pesos. El método supera a optimizaciones estáticas de prompts, adaptándose mejor a ataques variados y distinguiendo entre solicitudes legítimas ambiguas y requests genuinamente peligrosas.
6IA × Ciber✨arXiv cs.CR ·
The Uncontrolled Variable: Vision-Language Model Refusal Responds to Image Presence in Ways Risk Cannot Explain
Investigadores descubren que modelos de lenguaje visual (VLM) alineados en seguridad rechaza solicitudes no solo por su contenido, sino también por la simple presencia de una imagen adjunta, independientemente de su contenido. El efecto es significativo: una lona en blanco puede cambiar los rechazos hasta decenas de puntos porcentuales, afectando principalmente a preguntas legítimas sobre privacidad y daño, sin que el modelo pueda ser controlado mediante instrucciones. Este comportamiento no correlaciona con el riesgo real y parece ser un artefacto heredado del entrenamiento que no protege efectivamente contra ataques.
5IA × CiberarXiv cs.CR ·
A Cross-Dataset based Zero-Day Intrusion Detection System by Integrating Siamese Network and Reinforcement Learning
Un equipo propone un sistema de detección de intrusiones zero-day para IoT que combina redes Siamese con aprendizaje por refuerzo (PPO) para identificar anomalías desconocidas y adaptar defensas dinámicamente. El enfoque logra 99% de precisión en detección de ataques conocidos y 94% en detección de zero-days, ofreciendo un mecanismo autoaprendible y extensible para entornos IoT.
5IA × CiberarXiv cs.CR ·
From Bilinear to Linear: Differentially Private Federated LoRA via Low-Dimensional Parameterization
FedHSIP es un nuevo marco para adaptar modelos de lenguaje grandes en entornos federados manteniendo privacidad diferencial, resolviendo problemas de ruido amplificado y desajuste de agregación mediante una parameterización de baja dimensión unificada. Los experimentos muestran mejoras de 3-4% en precisión bajo privacidad diferencial y reducción del 80% en costes de comunicación.
5IA × Ciber✨arXiv cs.CR ·
Learning to Link: Automatic Re-identification of BLE Devices Under MAC Address Randomisation
Investigadores demuestran que es posible automatizar el re-identificación de dispositivos Bluetooth Low Energy (BLE) a pesar de la randomización de direcciones MAC mediante técnicas de aprendizaje automático. El trabajo muestra que los metadatos en los paquetes de publicidad contienen patrones persistentes que permiten vincular un dispositivo incluso cuando cambia su dirección privada (RPA), socavando una protección de privacidad clave en BLE.
6IA × Ciber✨arXiv cs.CR ·
Policy-Backed Selective Regeneration under Tainted Inter-Agent Communication
Investigadores presentan ESC-CR, un marco defensivo para proteger sistemas multi-agente con LLMs contra inyecciones de prompts en la comunicación inter-agente. La técnica separa claims autorizados de no autorizados, construye compromisos ejecutables desde información de confianza y políticas, y regenera artefactos cuando detecta violaciones, manteniendo información legítima mientras suprime acciones no autorizadas.
6IA × CiberarXiv cs.CR ·
Toward Responsible AI-Augmented Cyber Defense: Pattern Recognition, Defense-in-Depth, and the Case for Human-AI Collaboration
Investigadores formalizan matemáticamente cómo la inteligencia artificial mejora la defensa en profundidad en ciberseguridad mediante modelos de detección en cascada de Bernoulli y detectores de Neyman-Pearson. El estudio demuestra que la automatización completa de análisis de alertas no es óptima: una revisión humana selectiva reduce falsas alarmas pero mejora la probabilidad de detección global, proporcionando un objetivo cuantificable para el diseño de centros de operaciones de seguridad. Los resultados formalizan recomendaciones cualitativas previas sobre colaboración humano-IA en seguridad operativa con un modelo matemático testeable.
4IA × CiberarXiv cs.CR ·
GuidedRay: Diversity-Guided Direction Discovery for Targeted Hard-Label Black-Box Attacks
GuidedRay es una técnica de ataque adversarial contra redes neuronales profundas que mejora los ataques black-box de decisión binaria mediante descubrimiento de dirección guiado por diversidad. El método reduce significativamente el número de consultas necesarias para hallar direcciones adversariales objetivo, demostrando ventaja sobre técnicas existentes incluso contra modelos entrenados con defensa adversarial.
6IA × CiberarXiv cs.CR ·
C-to-Rust Fallacy: Automatic Refactoring != Memory Security
Un estudio empírico evalúa herramientas de refactorización automática de C a Rust (C2Rust-analyze, CROWN, C2SaferRust, FLOURINE) usando 116 programas C con fallos de seguridad de memoria de la suite Juliet de NIST. Los resultados muestran que de 464 programas Rust generados, 342 no compilan, 177 heredan fallos de seguridad de memoria del código C original, y 77 introducen nuevos bugs en Rust. El trabajo demuestra que las herramientas actuales cumplen con su definición de seguridad de memoria, pero no logran la seguridad de memoria más amplia que se espera al migrar a Rust.
5IA × CiberarXiv cs.CR ·
SLED-IFV: Solver-Validated LLM-Guided Decomposition for Scalable Hardware Information-Flow Verification
SLED-IFV es un sistema que combina LLM con verificación formal de hardware para acelerar la detección de vulnerabilidades de timing e información-flow en diseños RTL realistas. El enfoque usa decomposición semántica validada por solucionadores para simplificar pruebas formales complejas, logrando mejoras de hasta 603x en velocidad.
6IA × CiberarXiv cs.CR ·
SSP-Bench: A Hybrid Data Generation Framework for Safety, Security, and Privacy Evaluation
SSP-Bench es un marco dinámico de evaluación para probar modelos de lenguaje en seguridad, privacidad y safety, generando instancias bajo demanda en lugar de usar conjuntos de datos estáticos fijos. El estudio revela que los benchmarks estáticos fallan significativamente en capturar el comportamiento real de los modelos, con correlaciones cercanas a cero en rankings de seguridad y acoplamiento excesivo entre safety y refusal, lo que demuestra que la evaluación estática puede malrepresentar el comportamiento de los modelos.
6IA × Ciber✨arXiv cs.CR ·
Attack Success Rate Is Not a Number: On Measurement Validity in Agentic AI Security Evaluation
Un análisis exhaustivo de 259 artículos sobre seguridad de agentes LLM revela que la métrica de «attack success rate» (ASR) carece de definición estandarizada y se reporta de manera inconsistente, con la mayoría de trabajos omitiendo estimaciones de varianza y corridas repetidas. Los autores demuestran que esta falta de rigor puede llevar a conclusiones incorrectas: dos defensas cuyas tasas de éxito reales difieren en solo 5 puntos porcentuales pueden ser clasificadas en orden inverso en una evaluación de una única corrida aproximadamente el 21% de las veces. El trabajo propone una lista de verificación de diez elementos para estandarizar la evaluación de la seguridad en sistemas de IA agentiva.
5IA × CiberarXiv cs.CR ·
Benchmarking Neural Defend ARCAS 1B: A Foundational Multimodal Deepfake Detection Model
Se evalúa Neural Defend ARCAS 1B, un modelo multimodal de detección de deepfakes, mediante benchmarks variados sin ajustes específicos. El estudio enfatiza la importancia de separar métricas nativas de resúmenes agrupados y caracterizar patrones de error para mejorar la interpretación de resultados en contextos de investigación, seguridad en plataformas y análisis forense.
6IA × Ciber✨arXiv cs.CR ·
Not All 4-bit Quantizers Are Equal: Deployment-Time Mitigation of PII Leakage in Fine-Tuned Small Language Models
Un estudio demuestra que el método de cuantización a 4 bits utilizado al comprimir modelos de lenguaje pequeños afecta directamente a la privacidad y la fuga de datos personales (PII). Los métodos basados en calibración como AWQ y GPTQ previenen prácticamente toda fuga de información, mientras que GGUF Q4_K_M sin calibración filtra el 5,3% de registros plantados. La elección del algoritmo de compresión es, por lo tanto, una decisión crítica de privacidad en el despliegue de modelos.
5CiberNVD (CVSS crítico) ·
CVE-2026-96257 · CVSS 10.0 · A flaw has been found in Fast FAC1203R Gigabit Edition 2.0.4. Affected by this issue is the function copy_msg_element of the component …
Se ha descubierto un buffer overflow basado en stack (CVSS 10.0) en el componente Device Discovery Service del Fast FAC1203R Gigabit Edition 2.0.4, que permite ejecución remota de código. El fabricante no ha respondido a las notificaciones de divulgación responsable, aunque existe un exploit público disponible.
2IASimon Willison ·
SF October 14th: A Birds of a Feather Session on Agentic Engineering
Simon Willison organiza una sesión informal de intercambio de experiencias en San Francisco el 14 de octubre para desarrolladores que construyen agentes de código y sistemas agentic. El evento busca reunir a constructores experimentales para comparar notas sobre proyectos en desarrollo, aprendizajes y desafíos sin resolver.
#Investigación