Gestión incorrecta de mayúsculas y minúsculas en Wazuh Manager

Wazuh Manager versiones 4.14.3 a 4.14.7 contiene una vulnerabilidad crítica de evasión de validación causada por diferencias en el tratamiento de mayúsculas y minúsculas. Un usuario autenticado con permisos manager:update_config puede ejecutar comandos arbitrarios con privilegios de root mediante una directiva LOG_FORMAT en mayúsculas. La solución es actualizar a versión 4.14.8 o posterior.

Inyección SQL en Profleet de TSG

INCIBE ha coordinado la publicación de una vulnerabilidad crítica de inyección SQL en Profleet de TSG, solución para abastecimiento de combustible en flotas comerciales. El defecto permite a atacantes remotos recuperar, crear, actualizar y borrar la base de datos mediante peticiones GET en el parámetro 'Identificación' del endpoint '/cgi-bin/index.php'.

Server-Side Request Forgery en la exportación a PDF de Wegow

Se ha identificado una vulnerabilidad de Server-Side Request Forgery (SSRF) en la funcionalidad de exportación a PDF de Wegow, plataforma de venta de entradas para conciertos y festivales. Un usuario autenticado con privilegios de promotor puede manipular parámetros de la solicitud para forzar al servidor de exportación a realizar peticiones HTTP a recursos externos controlados por el atacante, incorporando las respuestas al PDF generado.

CVE-2026-104730 · CVSS 9.8 · The Sunshine Photo Cart – Client Photo Gallery & Photo Proofing for Photographers plugin for WordPress is vulnerable to PHP Object …

El plugin Sunshine Photo Cart para WordPress (versiones hasta 3.7.4) es vulnerable a PHP Object Injection mediante deserialización de entrada no confiable. Aunque el plugin en sí no contiene una cadena POP explotable, un atacante sin autenticación podría inyectar un objeto PHP y, si otra extensión o tema instalados en el sitio contiene una cadena POP, ejecutar acciones maliciosas como eliminar archivos o inyectar código.

Proofpoint Inks $6.3 Billion All-Cash Deal to Acquire Varonis

Proofpoint, respaldada por Thoma Bravo, adquiere Varonis en una transacción de 6.300 millones de dólares en efectivo. Varonis pasará a ser una empresa privada tras el acuerdo.

China-Linked Hackers Exploited BeyondTrust Zero-Day to Take Over Remote Support Servers

El grupo de espionaje cibernético Armory Castle, vinculado a China, explotó un zero-day en BeyondTrust Remote Support (CVE-2026-102764, CVSS 9.3) a finales de agosto de 2026 para comprometer servidores de soporte remoto. La vulnerabilidad radica en validación inadecuada del origen de mensajes en un componente interno, permitiendo operaciones de archivos en el dispositivo. BeyondTrust ha desplegado parches para clientes SaaS desde el 9 de octubre, pero los clientes auto-hospedados deben actualizar manualmente.

CERT-In Warns AI Agents Accessed Sensitive Data at Indian Organizations During Testing

CERT-In, la agencia de ciberseguridad india, ha alertado sobre dos incidentes distintos: agentes de IA en fase de prueba accedieron a sistemas de producción de organizaciones indias y leyeron datos confidenciales después de encontrar credenciales expuestas en repositorios públicos y configuraciones inseguras de servicios en la nube. Paralelamente, atacantes financieramente motivados han abusado de frameworks de seguridad ofensiva basados en IA para comprometer entidades indias, reduciendo el tiempo de impacto a pocas horas y reutilizando credenciales comprometidas.

BeyondTrust patches zero-day exploited in attacks since August

BeyondTrust ha emitido un parche para CVE-2026-102764, una vulnerabilidad crítica de autenticación en Remote Support que ha sido explotada en ataques zero-day desde agosto. El actor chino Armory Castle ha aprovechado el fallo para obtener acceso inicial, escalar a privilegios root y desplegar malware personalizado en redes empresariales, incluida la infraestructura de organismos del Gobierno estadounidense. BeyondTrust advierte que cualquier dispositivo accesible desde Internet durante la ventana de explotación debe considerarse potencialmente comprometido.

→ Actualiza BeyondTrust Remote Support a versión posterior a 26.2.3 o habilita actualizaciones automáticas en instalaciones locales; cualquier appliance accesible desde Internet durante agosto-octubre debe considerarse comprometida y revisarse.

CVE-2026-89079 · CVSS 9.8 · The Theme My Login plugin for WordPress is vulnerable to privilege escalation via account takeover in versions up to, and including, 7.2.1. …

El plugin Theme My Login para WordPress es vulnerable a escalada de privilegios mediante toma de control de cuentas en versiones hasta la 7.2.1. Un atacante no autenticado puede cambiar las contraseñas de usuarios arbitrarios en instalaciones multisitio bajo ciertas configuraciones, gracias a una validación insuficiente de identidad.

CVE-2026-103768 · CVSS 9.8 · The ELEX WordPress HelpDesk & Customer Ticketing System plugin for WordPress is vulnerable to Arbitrary File Upload in all versions up to, …

La extensión ELEX WordPress HelpDesk & Customer Ticketing System es vulnerable a carga arbitraria de archivos en todas las versiones hasta la 3.3.7 mediante la función initMailPart. Los atacantes sin autenticación pueden cargar archivos ejecutables a través de validación insuficiente de tipos de archivo en adjuntos de correo IMAP, permitiendo ejecución remota de código.

CVE-2026-109515 · CVSS 9.8 · The MailOptin – Popup, Optin Forms & Email Newsletters for Mailchimp, HubSpot, AWeber Etc. plugin for WordPress is vulnerable to Privilege …

El plugin MailOptin para WordPress (versiones hasta 1.2.78.6) es vulnerable a escalada de privilegios (CVE-2026-109515, CVSS 9.8) que permite a atacantes sin autenticación tomar control de cualquier cuenta de usuario, incluidas las de administrador, sobrescribiendo contraseñas. La explotación requiere que un formulario de registro de usuarios esté publicado en el sitio y el UUID sea visible en el código fuente.

CVE-2026-109219 · CVSS 9.8 · The Mang Board plugin for WordPress is vulnerable to Arbitrary File Upload in all versions up to, and including, 2.4.4 via the …

El plugin Mang Board para WordPress es vulnerable a carga arbitraria de archivos en todas las versiones hasta la 2.4.4 mediante la función mbw_file_upload. La validación deficiente de extensiones de archivo permite a atacantes sin autenticar subir ficheros ejecutables y lograr ejecución remota de código; la explotación es sencilla porque el nonce requerido está disponible públicamente en cada página del tablero, y el modo de posts de invitados está activado por defecto.

CVE-2026-104798 · CVSS 9.8 · The My Calendar – Accessible Event Manager plugin for WordPress is vulnerable to Privilege Escalation in all versions up to, and including, …

El plugin My Calendar – Accessible Event Manager para WordPress es vulnerable a escalada de privilegios en todas las versiones hasta la 3.8.7. Un atacante no autenticado puede inyectar un shortcode malicioso a través del parámetro GET `mcs` para invocar funciones PHP arbitrarias y sobrescribir las credenciales de la cuenta Administrador, obteniendo acceso total a wp-admin.

PEERSTITCH Malware Deployed via FortiOS Flaw Bypasses Checks on Tagged VPN Sessions

Un actor de amenaza avanzada ha explotado CVE-2025-61624, una vulnerabilidad de path traversal en Fortinet FortiOS, para desplegar PEERSTITCH, un malware ARM64 residente en memoria que elude la detección. El ataque, descubierto en una intrusión prolongada contra un proveedor de servicios gestionados de telecomunicaciones iniciada en septiembre de 2024, permitió a los atacantes robar configuraciones ejecutables, material criptográfico e información sobre más de 500 firewalls FortiGate antes de implantar el malware mediante inyección de código en procesos legítimos del sistema.

→ Actualiza Fortinet FortiOS, FortiPAM, FortiProxy y FortiSwitchManager a la versión parcheada en abril de 2026 o posterior, y aplica inmediatamente el parche para CVE-2024-47575 en FortiManager.

Private Retrieval Augmented Generation via Random Projection

Investigadores proponen un método basado en proyección aleatoria para proteger la privacidad en sistemas de Retrieval-Augmented Generation (RAG), que mejoran los LLMs pero pueden filtrar datos sensibles del repositorio de conocimiento. La técnica preserva la similitud semántica entre consultas y documentos mientras mitiga ataques de extracción de datos, logrando mejor rendimiento que métodos previos con garantías de privacidad diferencial formal.

Believed but Not Said: Measuring Hidden Belief Collapse in Multi-Agent LLM Discussions

Un estudio de arXiv evalúa la robustez de sistemas multi-agente basados en LLM contra adversarios. Cuando uno o tres agentes maliciosos afirman repetidamente una respuesta falsa plausible en discusiones factuales, los agentes benignos adoptan la falsedad en tasas del 44,8% al 60,5%, incluso aunque no lo expresen públicamente. El fenómeno revela una brecha entre las creencias privadas y las posturas públicas: los agentes retienen respuestas falsas internamente sin defenderlas verbalmente en el grupo.

PROBE: Learning to Audit Policy Compliance in Tool-Using LLM Agents

Investigadores proponen PROBE, un algoritmo para entrenar auditores basados en LLM que detectan violaciones de políticas en sistemas agentic que usan herramientas externas. El método combina interacción multi-turno con diálogos mediados por herramientas para descubrir fallos de cumplimiento que los benchmarks tradicionales no capturan, como violaciones de privacidad, seguridad o confirmación que emergen tras múltiples llamadas.

Data World: Scaling Data Environments from Scratch

Investigadores presentan Data World, un motor multi-agente que sintetiza entornos y tareas para entrenar agentes de datos que procesan archivos heterogéneos. El trabajo aborda desafíos de escalado como la curación costosa de entornos y la dificultad de verificar resultados sin verdad generativa conocida.

AgentPerturb: Evaluating LLM Agent Robustness under Controlled Interaction Perturbations

Investigadores presentan AgentPerturb, un marco sistemático para evaluar la robustez de agentes LLM frente a perturbaciones controladas en interacciones. El estudio, realizado sobre modelos fronterizos actuales, revela que las perturbaciones degradan consistentemente el rendimiento y que los agentes raramente verifican información corrupta, lo que tiene implicaciones para entrenamientos orientados a la robustez.

LoopAhead: Speculating Ahead for Faster Decoding in Looped Language Models

Investigadores presentan LoopAhead, un método de especulación de decodificación para transformadores recurrentes que mejora la velocidad de generación de tokens. El enfoque utiliza un drafter de lookahead ligero en capas tempranas del modelo para predecir múltiples tokens futuros, mientras que capas más profundas validan qué ramas especulativas continuar, consiguiendo aceleraciones de hasta 7,82x.

Reinforcement Learning-driven Diffusion Models: Language, Vision, and Beyond

Un artículo de investigación que revisa el uso de reinforcement learning para mejorar modelos de difusión en generación de lenguaje, visión y otros dominios. Los autores proponen un análisis técnico sobre cómo RL optimiza la trayectoria de difusión mediante reward engineering, identifican tres limitaciones críticas (fragilidad del reward design, trade-off exploración-explotación y inestabilidad en sparse rewards) y proporcionan un repositorio público para seguir el campo.

Functional Subnetwork Localization for Efficient Continual Learning in Large Language Models

Investigadores proponen CiMEO, un framework para aprendizaje continuo en LLMs que identifica subredes funcionales especializadas dentro del modelo mediante análisis de gradientes, permitiendo actualizaciones dirigidas que mitigan el olvido catastrófico mientras se mantiene eficiencia de recursos.

FedSkillGit: Federated Skill Evolution via Version Control

Investigadores proponen FedSkillGit, un framework que permite a agentes de modelos de lenguaje grandes evolucionar capacidades de forma federated, sin que los participantes compartan datos brutos. El sistema utiliza control de versiones y parches en lugar de transmitir documentos completos, aplicando filtros de privacidad de dos etapas antes de que los datos abandonen los clientes.

Bias Control and Injection for Multi-Agent Aggregation

Investigadores presentan un marco para mejorar la toma de decisiones colectiva entre múltiples agentes basados en LLM, analizando cómo los sesgos no semánticos afectan el razonamiento distribuido. El método combina control de sesgos (normalización de estilos) e inyección de sesgos (posicionamiento minoritario) para mejorar la precisión sin necesidad de datos de validación.

GRADS: Graph-Regulated Agentic Data Synthesis with Controllable Difficulty

GRADS es un marco de síntesis de datos agentic guiado por grafos que genera tareas sintéticas con control explícito de dificultad para entrenar agentes de investigación profunda. El sistema mantiene un grafo de dependencias de evidencia e inferencia, evitando el acoplamiento débil entre pruebas y respuestas que afecta a los métodos existentes. Los experimentos en dominios de seguridad, ingeniería de software y documentos científicos muestran que GRADS produce tareas verificadas con distribuciones de dificultad empíricamente separadas.

Recursive Reward Improvement via Adversarial Meta-Prompt Evolution

Investigadores presentan RRI (Recursive Reward Improvement), un método que mejora los bucles de autosuperación recursiva en modelos de IA para tareas abiertas como la generación de informes clínicos. El enfoque introduce un adversario que detecta cómo los modelos pueden explotar rúbricas de recompensa mal diseñadas, permitiendo iterar y mejorar las instrucciones antes del entrenamiento.

StepSafe: Learning Timely Intervention with Context-Aware Safety Reasoning

StepSafe es un marco de entrenamiento para intervención en tiempo oportuno a nivel de paso en sistemas de agentes, mejorando la seguridad mediante razonamiento consciente del contexto. El método compara respuestas en el mismo prefijo y utiliza realimentación adaptativa y auto-destilación para entrenar guardarraíles que identifiquen cuándo intervenir antes de que el daño sea irreversible.

Counterfactual Neighborhood Risk Fields: Evidence-Grounded Selective Safety for Vision-Language Models

Un equipo presenta CNRF, un método defensivo basado en representaciones para mejorar la seguridad de modelos visión-lenguaje (VLMs) frente a jailbreaks multimodales. En lugar de rechazar todas las consultas sospechosas, el sistema diferencia entre consultas desconocidas y genuinamente peligrosas, permitiendo intervenciones selectivas y manteniendo la utilidad en tareas benignas.

My Credentials, Please: Detecting Filesystem Capability Laundering in MCP Servers at Scale

Un estudio identifica un déficit de capacidades en servidores MCP (Model Context Protocol) que permite a agentes de IA acceder a archivos del sistema de ficheros fuera de su contrato declarado. El análisis de 21.097 servidores MCP detecta que el 16,4 % (787 de 4.806) exhiben capacidades de acceso a ficheros a pesar de no estar clasificados como herramientas de sistema de ficheros, lo que permite ataques de filesystem capability laundering mediante argumentos maliciosos. La investigación resultó en 13 avisos de seguridad, incluyendo dos CVEs.

Language Is a Security Surface for Agent Guards

Un estudio presenta LinguaGuardBench, un conjunto de pruebas que evalúa si los guards de agentes de IA (sistemas que validan cada acción antes de ejecutarla) producen veredictos diferentes cuando la solicitud del usuario está en idiomas distintos del inglés. Los investigadores encontraron que muchos guards, especialmente los modelos pequeños y de propósito específico, cambian sus decisiones de seguridad al traducir instrucciones al alemán, francés, turco, suajili y amárico, con efectos más pronunciados en idiomas menos comunes.