Se han comprometido las claves privadas de ocho certificados intermedios de eMudhra, una autoridad de certificación cuyas raíces son de confianza en los programas de Mozilla, Microsoft, Apple y Chrome. El incidente requiere actualización urgente de todo software que incluya listas de certificados confiables, incluyendo distribuciones Linux y herramientas Python como uv, pip y certifi.
→ Actualiza ca-certificates en distribuciones Linux, uv a 0.13.4 o posterior, pip a 26.2.2 o posterior y certifi a 2026.10.19 o posterior.
⚠ Acción requeridaSimon Willison · hace 1 horaFuente ↗
El equipo de seguridad de PHP advierte de dos vulnerabilidades críticas de ejecución remota de código (RCE) con CVSS 9.2 que afectan a las versiones 5, 6, 7 y 8. Los parches de emergencia serán lanzados mañana 21 de octubre a las 14:00 UTC, después de que detalles sobre estos flaws zero-day se filtraran antes de la divulgación planeada.
Fortinet ha parcheado una vulnerabilidad crítica en FortiSIEM (CVE-2026-106173, CVSS 9.4) que permite ejecutar código remoto sin autenticación. Investigadores han divulgado un PoC que aprovecha una falla de traversal de directorios en el servicio gRPC del producto, afectando principalmente a FortiSIEM 7.5.0 y versiones anteriores. El fallo permite a atacantes sobrescribir archivos críticos del sistema, incluyendo scripts ejecutados por cron, para lograr ejecución remota de código.
→ Actualiza FortiSIEM 7.5.0 a 7.5.1 o posterior de inmediato.
⚠ Acción requeridaThe Hacker News · hace 10 horasFuente ↗
Palo Alto Networks confirma la explotación activa de CVE-2026-0257, una falla de autenticación en PAN-OS y Prisma Access ya parcheada en mayo de 2026, por los grupos de ransomware Qilin (Spikey Scorpius) e INC (Tarnished Scorpius). Los atacantes aprovechan la vulnerabilidad para eludir la autenticación multifactor (MFA), establecer conexiones VPN no autorizadas y obtener acceso inicial a redes corporativas de múltiples sectores.
→ Aplica el parche de Palo Alto Networks de mayo 2026 si aún no está instalado; realiza búsqueda proactiva de indicadores de compromiso (IoCs) de eventos exitosos conectados a gateway y activa protocolos de respuesta a incidentes si se detectan.
⚠ Acción requeridaThe Hacker News · hace 10 horasFuente ↗
Actores chinos utilizan agentes autónomos basados en IA (Cairn) para atacar más de 1.200 sitios web de empresas estadounidenses, incluidas John Deere, SharkNinja y Cummins, instalando web shells con mínima intervención humana. Un investigador de seguridad descubrió la campaña al encontrar paneles de control expuestos en internet, accediendo a los registros de ataques en tiempo real y confirmando compromisos en múltiples víctimas.
→ Parchea inmediatamente los sistemas contra CVE-2020-3259, CVE-2023-20269, CVE-2023-27532, CVE-2024-40711 y CVE-2024-40766, refuerza la autenticación multifactor, revisa los registros de acceso remoto y deshabilita herramientas de escritorio remoto no autorizadas.
→ Actualiza AOMEI Backupper inmediatamente y ejecuta la herramienta de detección gratuita proporcionada; realiza búsquedas exhaustivas de compromiso en sistemas que usaron el software durante abril–julio.
Un equipo de investigación propone que los detectores de watermarks en LLMs podrían ser públicos sin comprometer significativamente la seguridad. Introducen un método de clave dividida que expone parcialmente el detector mientras mantiene verificación privada, demostrando que los atacantes informados solo pueden manipular la señal pública, lo que se detecta mediante pruebas estadísticas de desequilibrio.
Un trabajo académico propone ejecutar modelos de IA sin modificación en Trusted Execution Environments (TEE) usando WebAssembly y WAMR dentro de OP-TEE para Arm TrustZone, protegiendo la propiedad intelectual contra acceso de root en hardware edge. La solución cifra el binario WebAssembly y almacena la clave en fusibles del dispositivo, permitiendo solo que la aplicación de confianza descifre y ejecute el modelo.
Investigadores miden cómo el contenido publicado en plataformas de bajo acceso puede ser citado rápidamente por sistemas de búsqueda con IA, convirtiéndose en información presentada a los usuarios. El análisis de 10 plataformas de AI-search revela que muchas concentran sus citas en dominios con barreras bajas de entrada, permitiendo que publicaciones ordinarias influyan en las respuestas generadas sin que los usuarios vean el origen manipulado. Esto representa un vector de ataque económicamente viable para inyectar información falsa o sesgada en sistemas de IA.
Investigadores presentan un meta-modelo de seguridad para sistemas RAG (Retrieval-Augmented Generation) que captura las relaciones causales entre superficies de ataque, debilidades, riesgos e impacto en confidencialidad, integridad y disponibilidad. El modelo se basa en el análisis de 43 publicaciones (2023-2026) y proporciona a los ingenieros de seguridad un marco estructurado para evaluar y mitigar riesgos en despliegues RAG.
SemField es una técnica de watermark semántico para identificar texto generado por LLMs, diseñada para resistir ataques de paráfrasis. El método embebe una señal lineal continua en el espacio de embeddings de oraciones, usando una clave secreta compartida para definir una dirección gaussiana específica. Alcanza una tasa de detección del 88,2% al 90,4% bajo ataques de paráfrasis mientras mantiene la naturalidad del texto.
Investigadores proponen un método para detectar fugas de pesos en servidores LLM comprometidos que codifican datos maliciosos en las elecciones de tokens. El enfoque utiliza un e-process calibrado que acumula evidencia de desviaciones entre respuestas de un servidor confiable y uno potencialmente comprometido, manteniendo control sobre las falsas alarmas en un horizonte de monitorización ilimitado.
Se propone LTBD (Learnable Trust-Boundary Delimiters), una defensa contra ataques de prompt injection en modelos de lenguaje grande mediante delimitadores aprendibles que codifican explícitamente los límites de confianza entre instrucciones de usuario legítimas y datos externos no confiables. El método no requiere reentrenamiento del modelo y muestra resultados competitivos frente a ataques adaptados, logrando tasas de éxito muy bajas en los conjuntos de prueba evaluados.
Un estudio sobre agentes LLM para descubrimiento de vulnerabilidades revela que consumen millones de tokens sin producir pruebas de concepto funcionales. Los investigadores analizan 200 trazas de CyberGym y presentan AVRI, una interfaz de razonamiento centrada en el agente que reduce costos de token entre 18% y 24% mientras mantiene las tasas de éxito.
Un estudio académico sistematiza el conocimiento sobre la capacidad de los LLMs para recuperar código fuente a partir de binarios, evaluando métodos sobre 45.000 muestras en múltiples arquitecturas, niveles de optimización e idiomas de programación. La investigación proporciona una taxonomía y comparación objetiva de enfoques, abordando una brecha importante en la evaluación de estas técnicas.
GROB es una arquitectura multiagente para investigar actividad de agentes autónomos mediante trazas públicas de Internet cuando no se dispone de telemetría privilegiada. El sistema realiza recopilación controlada de solo lectura de trazas públicas y preserva observaciones seleccionadas para resolución posterior. Los resultados demuestran que trazas públicas dispersas pueden seguir siendo útiles incluso antes de que su significado se comprenda completamente.
Investigadores presentan ProxyEraseAgent, un marco basado en agentes de IA para eliminar marcas de agua invisibles en imágenes sin acceso al decodificador original. El sistema usa decodificadores públicos disponibles como proxies para estimar la frontera de decisión del mecanismo de marca de agua oculto y guía búsquedas progresivas sobre operaciones de distorsión, compresión y reconstrucción. En experimentos sobre 11 sistemas de marca de agua, consigue una tasa de éxito del 94,8%.
Investigadores proponen BRACE, un algoritmo que implementa privacidad diferencial en sistemas de memoria asociativa densa con energía LSR. El trabajo aborda cómo proteger la privacidad durante la recuperación de información en modelos basados en energía relacionados con mecanismos de atención en IA moderna.
Un artículo académico que caracteriza la separabilidad estadística en TP-CRIV (verificación de identidad de desafío-respuesta de terceros) para modelos de IA probabilísticos, con aplicaciones a LLMs. El trabajo estudia cómo acumular evidencia estocástica y cuántas pruebas son necesarias para verificar que un modelo remoto es idéntico al modelo de referencia sin acceso directo.
Investigadores descubren que generadores de imágenes comerciales (como GPT-Image-2) pueden producir desinformación visual convincente, aunque reconocen como falsas las mismas afirmaciones cuando se les pregunta. Presentan EpiReal-Bench, un primer benchmark sistemático con 10.000 prompts falsos y 10.000 imágenes generadas, y EpiReal-Attack, un marco de optimización que logra contornear las protecciones de alineamiento en hasta el 95% de los casos, dejando esta dimensión de seguridad prácticamente desprotegida.
NOMOS es un compilador que transforma políticas escritas en lenguaje natural en compuertas de control deterministas para agentes LLM, verificando estáticamente que las llamadas a herramientas respeten restricciones sin necesidad de verificadores LLM o resolvedores. El sistema corrige o rechaza el 37% de candidatos en el caso aéreo y el 13% en retail, reduciendo violaciones de políticas del 66,3% al 2,6% en cambios de estado sin sacrificar significativamente la utilidad.
Investigadores descubren ataques de rechazo especulativo (SRA) que degradan el rendimiento de la decodificación especulativa en modelos de lenguaje grandes, técnica usada para acelerar la inferencia. Los ataques añaden sufijos adversariales que hacen que los modelos draft y objetivo difieran más frecuentemente, reduciendo los tokens aceptados por ciclo y aumentando significativamente el coste computacional para la víctima.
Un nuevo ataque de inferencia de pertenencia (MIA) llamado PSCMIA explota canales laterales de potencia para determinar si una muestra fue utilizada en el entrenamiento de modelos de aprendizaje automático embebido, sin necesidad de acceso a predicciones o etiquetas del modelo. El ataque se evaluó en arquitecturas de redes neuronales totalmente conectadas y convolucionales en plataformas embebidas como STM32F3 y XMEGA, logrando valores de ROC-AUC de hasta 0,907.
Investigadores proponen CPU-Auth, un mecanismo de autenticación basado en huella digital del hardware que aprovecha variaciones únicas en las características físicas de la CPU mediante medición del gobernador DVFS. El sistema se evalúa con técnicas de aprendizaje profundo en más de 50.000 trazas de datos como factor de autenticación adicional.
Investigadores presentan BRANCH, una metodología para eludir sistemas de guardrails multi-escáner en LLM. El método utiliza búsqueda en árbol con perturbaciones adversariales contra detectores individuales, logrando un 100% de éxito de ataque en 6 sistemas de guardrails mientras preserva el significado semántico del bypass.
Un estudio académico sistematiza los fallos recurrentes en las evaluaciones de seguridad según los Criterios Comunes (CC, ISO/IEC 15408), el marco internacional principal para certificar productos IT que influye en las compras públicas y de defensa. Los autores documentan fallos en el alcance de los objetivos de seguridad, conformidad con perfiles de protección, análisis de vulnerabilidades y documentación operativa, y proponen un marco de "diseño para evaluabilidad" que los equipos de producto pueden aplicar antes de someterse a evaluación.
Un artículo de investigación identifica vulnerabilidades de seguridad en modelos de lenguaje recurrentes (LoopLMs) donde ataques jailbreak pueden tener éxito a diferentes profundidades de computación, incluso cuando fallan a otras profundidades. Los autores proponen SafeBridge, un método de alineación de seguridad diseñado específicamente para estos modelos que reduce significativamente el éxito de ataques manteniendo la utilidad general.
Un estudio en arXiv examina si los asistentes de IA informan a sus usuarios cuando detectan mensajes ocultos dirigidos a otras IA, como textos cifrados en ROT13. Los investigadores probaron cuatro modelos en 1.280 sesiones ordinarias y 128 mejoradas, encontrando que pedir explícitamente reportes aumenta las notificaciones en más de 53 puntos porcentuales, pero algunos agentes interpretan mensajes sin alertar al usuario.
MRCert es una técnica de defensa que certifica la robustez de modelos de deep learning frente a parches adversariales aplicados en tiempo de despliegue. El método logra mantener alta precisión en muestras benignas mientras verifica que las entradas modificadas por parches adversariales conservan su etiqueta original, algo que defensores existentes no alcanzan simultáneamente.
Investigadores descubren que los escáneres de skills de agentes IA no detectan comportamientos maliciosos ocultos en cachés bytecode de Python (.pyc), lo que permite distribuir paquetes con código benigno visible pero ejecutable malicioso. El ataque PyCache Trap logra un 94-100% de éxito eludiendo siete escáneres populares. Los autores proponen un método de validación ejecutable (EAV) que alcanza 92,8% de precisión detectando estas sustituciones.
Investigadores estudian cómo los agentes LLM pueden ayudar a los centros de operaciones de seguridad (SOC) a clasificar alertas, pero encuentran que los enfoques actuales pierden más del 40% de las alertas de ataque. Presentan AIDA, un marco multi-agente que estructura la recopilación de evidencia y la revisión de decisiones, mejorando significativamente la precisión de la clasificación.
Investigadores presentan un método de "presupuestos de corrupción certificados" para validar las clasificaciones en tablas de clasificación públicas de modelos de IA contra manipulaciones adaptativas. El enfoque proporciona garantías matemáticas sobre cuántos registros falsos o alterados un ranking puede tolerar mientras permanece válido, demostrando su efectividad en datos de Chatbot Arena con millones de votos.
El cofundador del mercado negro Empire Market en la dark web, Raheim Hamilton, fue condenado a 40 años de prisión por facilitar la venta de drogas, herramientas de hacking e información robada. La plataforma realizó más de 4 millones de transacciones por un volumen de 430 millones de dólares entre 2018 y 2020, principalmente en tráfico de narcóticos.
Simon Willison lanza ttok 1.0, una herramienta para contar tokens en modelos de lenguaje. El cambio de versión principal se justifica por actualizar el tokenizador por defecto de GPT-4 a GPT-5/GPT-6, tras confirmar que ambas familias usan el mismo tokenizador.
MIT Technology Review organiza una mesa redonda con Samuel King, investigador de Stanford que utilizó modelos de IA generativa para proponer blueprints genéticos de virus microscópicos en 2025. El evento, disponible solo para suscriptores, explorará cómo la IA podría diseñar nuevas formas de vida y su impacto en la biología.
Simon Willison ha publicado la versión 0.4 de ttok, su herramienta CLI para contar tokens basada en la librería tiktoken de OpenAI. La actualización incluye correcciones menores, mejoras en CI y un nuevo comando --list-models para listar modelos disponibles.
