Ocho certificados intermedios de la autoridad de certificación eMudhra fueron comprometidos debido a claves P-384 débiles generadas por un error de script en abril de 2025: los valores de las claves eran menores de 256, permitiendo que cualquiera las recuperase y falsificase certificados para suplantaciones de sitios legítimos. Mozilla, Google y Apple bloquearon los certificados comprometidos, y múltiples desarrolladores de software publicaron actualizaciones para eliminar la confianza en los certificados revocados.
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.
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.
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.
→ Actualiza UpdraftPlus a versión 1.26.13 (gratuito) o 2.26.13 (Premium) o posterior, y elimina las claves UpdraftCentral en Configuración → Advanced Tools → UpdraftCentral → Manage existing keys.
→ 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.
Investigadores cuestionan la fiabilidad de los benchmarks actuales para evaluar LLMs en reparación automática de vulnerabilidades. El estudio revela que las tasas de éxito reportadas pueden estar infladas por factores de evaluación (prompting, disponibilidad de herramientas, manejo de errores) sin que los parches mejoren la calidad según criterios de desarrolladores.
Un estudio académico mide cómo los metadatos de enrutamiento en sistemas de LLM (qué modelo se elige para cada solicitud) pueden revelar información sensible del usuario, incluso cuando el registro de contenido está desactivado. Los investigadores analizan 1,7 millones de solicitudes reales y demuestran que ciertos temas—como medicina, acoso y autolesiones—dejan patrones estadísticos detectables en las decisiones de enrutamiento, lo que permite inferir tópicos privados mediante análisis de metadatos.
CYBERFORT es una plataforma de cumplimiento normativo de código abierto desarrollada bajo el Programa Digital de Europa para ayudar a las pymes a cumplir con la Ley de Resiliencia Cibernética de la UE (CRA). La plataforma operacionaliza la CRA mediante autoevaluaciones guiadas, un banco de preguntas vinculado a las obligaciones de gestión de vulnerabilidades, y un motor de verificación de cumplimiento que traza evidencia técnica hasta la declaración de conformidad.
Investigadores presentan una arquitectura de remediación para SOCs que integra modelos de lenguaje (LLMs) en tareas de triaje y respuesta a incidentes, mitigando el riesgo de que alertas adversariales manipulen el razonamiento del modelo para ejecutar acciones no autorizadas. El sistema combina un control plane en el SIEM/XDR que restringe las acciones del LLM a un vocabulario cerrado de intenciones, con un proxy NeMo-Guardrails que aplica políticas de input y output para bloquear inyecciones de prompts.
Un artículo académico que analiza cuándo el feedback de pruebas automatizadas, red teaming y respuesta a incidentes fortalece suficientemente las defensas de sistemas de IA. Los autores modelan un juego de Stackelberg donde el defensor invierte en descubrimiento proactivo y reparación reactiva, derivando condiciones para que la protección sea efectiva y económicamente justificada.
Un estudio académico evalúa el uso de lógica temporal de primer orden métrica (MFOTL) para monitorizar offline agentes LLM que utilizan herramientas, mediante el análisis de trayectorias registradas en los conjuntos de datos AgentDojo y STAC. Las políticas formales detectan entre el 70 y el 72% de ataques, pero también generan falsos positivos en el 29% de ejecuciones benignas debido a limitaciones de los datos de entrenamiento.
Un equipo de investigadores presenta ataques adversariales de parches contra modelos Vision-Language-Action (VLAs) explotando sus modelos ancestros de Vision-Language (VLM) sin acceso de caja blanca. Los parches diseñados disrumpen la percepción visual y la comprensión de instrucciones heredadas, degradando significativamente el rendimiento de tareas en entornos de simulación e imágenes reales, lo que pone en evidencia vulnerabilidades de seguridad en sistemas VLA ampliamente desplegados en entornos físicos críticos.
Investigadores descubren que el token-pruning, técnica para acelerar modelos multimodales vision-language, introduce nuevas vulnerabilidades de seguridad que facilitan ataques de jailbreak. Proponen un mecanismo de pruning consciente de la seguridad (SAP) que mitiga estas vulnerabilidades sin sacrificar la aceleración del modelo.
Investigadores auditan la capacidad de modelos LLM para reconstruir relaciones de evidencia en logs de agentes IA, usando casos de ejecución de AgentDojo Banking. El estudio muestra que aunque los modelos recuperan valores correctos, frecuentemente hacen afirmaciones sin apoyo en la evidencia disponible, confundiendo correlación con causalidad en la cadena de pruebas forenses.
Investigadores presentan MARS, un marco de análisis de malware que compara dos enfoques con LLM: clasificación directa de muestras versus puntuación de afirmaciones sobre el comportamiento mediante reglas externas. La clasificación directa supera consistentemente a la puntuación de afirmaciones en precisión, con ventajas de 3,7 a 20,9 puntos porcentuales en una evaluación de 1.195 binarios y seis modelos de lenguaje.
Investigadores presentan Constitution-Guided Watermarking, un marco que permite a proveedores de modelos de lenguaje adaptar dinámicamente sus estrategias de watermarking según requisitos específicos de cada solicitud. El enfoque utiliza un agente razonador que examina reglas expresadas en lenguaje natural y configura políticas de watermarking offline, mejorando hasta 14 puntos porcentuales la detección tras paráfrasis en casos donde la robustez es prioritaria.
Investigadores presentan Secure-CUA, un sistema para proteger agentes de inteligencia artificial que interactúan con interfaces gráficas contra manipulación malintencionada mediante contenido no confiable. El enfoque utiliza "transacciones de acción" que comprometen explícitamente qué contenido no confiable se consultará y cómo se usarán las respuestas, enmascarando regiones potencialmente maliciosas antes de ejecutar comandos.
Investigadores presentan Ask the Expert, un marco de entrenamiento que utiliza LLMs para guiar el aprendizaje reforzado en defensa cibernética autónoma. El enfoque mejora la eficiencia muestral al consultar LLMs durante el entrenamiento para dar forma a las recompensas, descartando el modelo después de entrenar para garantizar una implementación sin dependencias de LLM.
Investigadores presentan ataques de alucinación de paquetes contra agentes de codificación autónomos: inyectando prompts maliciosos en ficheros de reglas compartidas (como AGENTS.md o .cursorrules), logran que estos agentes reemplacen dependencias legítimas por paquetes controlados por atacantes. El estudio propone PackHallu, un framework de optimización evolutiva que genera prompts inyectados altamente efectivos, demostrando altas tasas de éxito y transferibilidad entre modelos y frameworks de agentes.
Investigadores demuestran que imágenes adversariales pueden secuestrar agentes web basados en modelos de visión-lenguaje, haciendo que ejecuten acciones no deseadas en navegadores. El ataque, llamado WebMirage, logra una tasa de éxito del 91,9% manipulando cómo los agentes procesan y actúan sobre elementos visuales de páginas web.
Investigadores presentan SwarmReconGuard, un banco de pruebas para detectar reconocimiento colectivo distribuido (DCR): ataques donde múltiples agentes autónomos realizan peticiones benign-looking individualmente pero que colectivamente adquieren amplio conocimiento del sistema. El estudio compara 11 detectores en 440 ejecuciones con hasta 10.000 identidades virtuales, hallando que el detector Gaussiano logra detección perfecta en ataques conocidos pero solo 3% en políticas no vistas, mientras que CUSUM híbrido alcanza 85,7% de detección sin falsos positivos a escala.
Investigadores demuestran que ataques adversariales contra modelos de lenguaje multimodales pueden persistir a través de la caché KV (key/value), influyendo en el comportamiento del modelo incluso después de que la entrada maliciosa se elimine del contexto. El ataque de Persistent Visual Memory Injection (P-VMI) optimiza imágenes maliciosas para mantener su efecto backdoor durante conversaciones largas, logrando una tasa de éxito de aproximadamente el 90% en Qwen3-VL-8B-Instruct.
TwinGuard-Lite es un mecanismo de control basado en reglas que protege los gemelos digitales de pacientes generativos contra inyecciones de datos maliciosos. El sistema valida actualizaciones del estado persistente verificando la proveniencia y detectando contradicciones, logrando una precisión del 99,1% y una tasa de falsos positivos del 0,033% en pruebas con datos sintéticos de la base de datos eICU.
ASPIRE es un motor automatizado de red-teaming para descubrir vulnerabilidades de inyección de prompts en agentes LLM que recuperan contenido no confiable. El sistema mantiene un grafo de comportamientos de seguridad y utiliza expertos de exploración y explotación para identificar pruebas centradas en consecuencias, ampliando significativamente la cobertura de riesgos de inyección de prompts indirectos.
Investigadores presentan un marco de verificación en tiempo de ejecución para agentes autónomos basados en LLM que deben cumplir obligaciones predefinidas en contextos militares y de defensa. El enfoque descompone políticas en lenguaje natural en especificaciones espaciales, temporales y semánticas que se monitorean de forma independiente, detectando cadenas de ataque multi-paso que los guardrails convencionales no capturan.
Investigadores han desarrollado un agente de IA para recontextualizar los hallazgos de seguridad en la nube de terceros, ajustando su severidad según evidencias del entorno real en lugar de usar puntuaciones estáticas predefinidas. Un estudio en producción sobre 9.967 hallazgos HIGH de dos plataformas comerciales revela que tres de cada cuatro resultados son rebajados de severidad, mejorando la priorización de los equipos de seguridad.
Investigadores presentan mBFV, una técnica de verificación formal que prueba la robustez de redes neuronales cuantificadas contra fallos de hardware que flipan múltiples bits simultáneamente en los pesos almacenados. El método supera significativamente a verificadores anteriores que solo podían analizar perturbaciones en un parámetro, escalando a redes de hasta 1,15 millones de parámetros.
Investigadores presentan CredLeakBench, un benchmark que evalúa cómo los agentes de LLM se comportan frente a ataques de phishing y solicitudes falsas de autenticación. Todos los modelos evaluados son vulnerables a revelar información sensible, incluso en tareas de monitorización autónoma sin intervención del usuario, y la mayoría de defensas existentes reducen la fuga pero degradan el rendimiento en tareas legítimas.
Un artículo académico que analiza la viabilidad de técnicas de aprendizaje automático para detección de intrusiones en entornos IoT distribuidos. El trabajo propone un marco cuantitativo (Deployment Feasibility Score) que mapea diferentes modelos ML a arquitecturas edge, fog y cloud según demanda computacional, huella de memoria y sensibilidad a latencia.
Un estudio académico investiga cómo los adversarios pueden evadir sistemas de detección de intrusiones (IDS) basados en aprendizaje automático mediante refuerzo adversarial. Los investigadores entrenan agentes de Deep Q-Network para aprender combinaciones de evasión contra modelos IDS desplegados en Raspberry Pi, demostrando tasas de evasión del 61,9% al 98,3% dependiendo del nivel de visibilidad de características del atacante. Los resultados muestran que incluso con acceso limitado a características, los adversarios adaptativos pueden eludir eficazmente defensas estáticas en entornos IoT edge.
Una vulnerabilidad de desbordamiento de búfer basado en pila (CVSS 9.8) afecta al daemon SNMP de Brocade Fabric en versiones anteriores a 10.0.1. Un atacante remoto no autenticado puede enviar un paquete SNMPv3 especialmente crafteado para corromper memoria, causar denegación de servicio o ejecutar código arbitrario.
Una vulnerabilidad crítica de bypass de autenticación afecta a Brocade Fabric OS en versiones anteriores a 10.0.1. Un switch comprometido en la red puede enviar solicitudes de gestión Fibre Channel manipuladas para eludir la autenticación administrativa y ejecutar acciones privilegiadas como reiniciar el sistema o descargar firmware.
Un usuario de Hugging Face describe cómo utilizó ML Intern, un agente de IA en HuggingChat, para crear seis modelos personalizados en pocos días con bajo costo computacional. El flujo incluye especificar el dataset, modelo base y script de entrenamiento en un prompt detallado, establecer límites de presupuesto, y obtener modelos listos para producción sin intervención manual repetitiva.
ProFTPD contiene una vulnerabilidad de control de acceso impropio que permite a atacantes remotos leer y escribir ficheros arbitrarios mediante los comandos site cpfr y site cpto. El fallo está en la lista de explotación activa de CISA (KEV).
→ Aplica las mitigaciones indicadas por el proveedor de acuerdo con la guía BOD 26-04 de CISA.
ONLYOFFICE Docs contiene una vulnerabilidad de path traversal en la carga de imágenes que puede provocar ejecución remota de código cuando se utiliza JWT. La vulnerabilidad está siendo explotada activamente en la naturaleza según la lista de amenazas conocidas (KEV) del CISA.
→ Aplica las mitigaciones indicadas por el proveedor siguiendo la orientación de CISA BOD 26-04 o descontinúa el uso del producto si no hay mitigaciones disponibles.