
● Trascendental · últimas 48 h
- 9ConnectWise suspends Cloud Backup service after supply chain attack
ConnectWise suspendió su servicio Cloud Backup tras descubrirse un ataque a la cadena de suministro que comprometió credenciales de la aplicación. Los atacantes utilizaron las credenciales robadas para acceder a entornos de Microsoft 365 de clientes con permisos elevados, afectando a 162 inquilinos. La empresa desactivó varios servicios, revocó certificados y credenciales, pero no ha proporcionado un calendario para la restauración del servicio.
The Record · hace 2 horasFuente ↗ - 9Popular WordPress SEO Plugin Rank Math PRO Hijacked to Deliver Self-Restoring Backdoor
El complemento Rank Math PRO para WordPress fue comprometido y distribuyó malware con un backdoor autorrecuperable entre el 15 y 16 de octubre. Los sitios que instalaron o actualizaron la versión afectada (3.0.123) durante esa ventana deben considerarse comprometidos, aunque hayan actualizado a la versión limpia 3.0.124, porque el malware puede haber dejado artefactos persistentes en el servidor.
The Hacker News · hace 5 horasFuente ↗ - 9Validación incorrecta del origen en Remote Support de BeyondTrust
BeyondTrust ha publicado un parche crítico para Remote Support tras confirmar la explotación como zero-day de una vulnerabilidad de validación incorrecta del origen (CVE-2026-102764) el 29 de agosto de 2026. La falla permitía a atacantes remotos no autenticados realizar operaciones sobre archivos del dispositivo afectado. BeyondTrust aplicó la corrección a todos los clientes SaaS el 9 de octubre y recomienda aplicar el parche BT26-05-RS a las instalaciones autoalojadas de Remote Support (versiones 24.3.1 a 26.2.3) y Privileged Remote Access como medida de precaución.
→ Aplica el parche BT26-05-RS a Remote Support (versiones 24.3.1 a 26.2.3) y considera aplicarlo también a Privileged Remote Access como medida de precaución; versiones anteriores requieren actualizar primero a una versión compatible.
- 9Hackers exploit SiteGuard WAF flaw to run commands as SYSTEM, root
Un fallo crítico de inyección de comandos OS en SiteGuard Server Edition, un cortafuegos de aplicación web (WAF) con más de 1,5 millones de sitios protegidos, está siendo explotado activamente en la naturaleza. La vulnerabilidad CVE-2026-106931 afecta a la función de estadísticas (habilitada por defecto) y permite ejecutar comandos con privilegios de administrador (root/SYSTEM) en máquinas comprometidas. El parche está disponible, pero es urgente aplicarlo de inmediato.
→ Actualiza SiteGuard Server Edition a versión 8.00 Update 5 (para Apache httpd, Nginx, IIS) o 7.00 Update 6 (para FreeBSD), o aplica el parche del proveedor si no puedes actualizar inmediatamente.
Destacados · últimas 48 h




GhostAction Attackers Plant Credential Stealer Disguised as Font in 94 GitHub Repositories
→ Revoca tokens y acceso a GitHub desde dispositivo limpio, cambia contraseñas, audita repositorios y rota todas las credenciales almacenadas (claves AWS, tokens PyPI/npm, SSH).

Unpatched Broadcom Wi-Fi Flaw Lets Attackers in Range Run Code as Root on Routers
→ Reemplaza los routers basados en chips Broadcom eCos antiguos (BCM3380, BCM3383, BCM33834) o, en dispositivos más recientes, cambia el software Wi-Fi a hostapd si es posible.

Últimas noticias
3271 noticiasStepSafe: 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.
Encoded but Exposed: Language Embeddings can Reveal More Than They Should in Recommender Systems
Un estudio demuestra que los embeddings de lenguaje utilizados en sistemas recomendadores pueden revelar identidades de elementos mediante un ataque simple de similitud coseno, incluso cuando el adversario solo tiene acceso a descripciones parciales de fuentes externas. La fuga de información persiste a través de la alineación semántica entre descripciones obtenidas independientemente y puede propagarse a la reidentificación de usuarios a partir de valoraciones escasas.
BiShield-TEE: On the (In-)Security of Unilateral Weight Obfuscation in On-Device TEE-Shielded LLM Partition
Investigadores identifican una vulnerabilidad en métodos de ofuscación de pesos de LLMs basados en TEE llamada Solution Determinacy Property (SDP), que permite a atacantes recuperar la funcionalidad casi completa del modelo. Proponen BiShield-TEE, un framework bilateral que oculta la clave verdadera entre múltiples soluciones válidas para mitigar este ataque.
Poisoning the Neighborhood: A Topology-Aware Topic-Level Attack on Large-Scale HNSW-based RAG Systems
Investigadores presentan un ataque de envenenamiento de datos diseñado para sistemas RAG a escala de despliegue que usan índices HNSW. El ataque explota la topología del grafo de búsqueda aproximada de vecinos más cercanos para posicionar documentos envenenados estratégicamente, logrando más del 72% de éxito de recuperación y un 31% de éxito de ataque en Wikipedia. Las defensas existentes no mitigan el ataque, exponiendo riesgos estructurales en sistemas RAG basados en HNSW.
What Survives Self-Evolution: Provenance Marks in Copied Agent Harnesses
Un estudio analiza cómo los marcadores de procedencia (provenance marks) que identifican la autoría en agentes de IA pueden ser eliminados o reescritos cuando se pasan a través de sistemas de auto-evolución publicados. Investigadores demostraron que marcas conocidas fallan bajo ataques de reescritura, mientras que esquemas nuevos logran solo una detección parcial contra adversarios sofisticados.
Matoi: Selective Revalidation of Consequence Evidence for Agent Authorization
Matoi es un marco de investigación que separa la evidencia de consecuencias reutilizable de la autoridad de ejecución actual en sistemas de agentes. El trabajo presenta un contrato de consultas finitas para gestionar autorizaciones en aplicaciones de IA, validado mediante estudios sintéticos que muestran reducciones de coste del 3–16 % en JavaScript y Python.
Evaluating and Improving Static Application Security Testing Tools for Rust
Un estudio empírico de herramientas SAST (análisis estático de seguridad) para Rust revela debilidades en su capacidad para detectar vulnerabilidades reales. Los investigadores proponen TRUST, un marco de pruebas automatizado asistido por LLM que analiza la especificación oficial de Rust para generar programas mutantes y evaluar estas herramientas, descubriendo 46 fallos en seis herramientas populares, 17 de los cuales han sido confirmados.
Combining LLM and Dynamic Analysis for Universal Testing of Static Application Security Testing Tools
Investigadores presentan LLM4SAST, un marco que utiliza modelos de lenguaje grandes y análisis dinámico para detectar fallos en herramientas de análisis estático de seguridad (SAST). El enfoque identifica 66 fallos únicos en seis herramientas SAST, con 32 confirmados o ya corregidos por los desarrolladores, mejorando significativamente la detección de defectos en comparación con técnicas existentes.
Trigger Value Selection in Clean-Label Malware Backdoors: An Effectiveness-Detectability Analysis
Investigadores estudian la selección de valores de trigger en ataques de envenenamiento clean-label contra clasificadores de malware basados en machine learning. El trabajo evalúa diferentes estrategias de selección de valores en datasets EMBER usando clasificadores LightGBM, mostrando que mientras algunos selectores logran alta efectividad de ataque, son más fáciles de detectar mediante métodos como Isolation Forest.
From One Query to Many: A Critical Survey of Privacy Accounting in RAG
Una encuesta académica examina los riesgos de privacidad en sistemas de generación aumentada por recuperación (RAG) que exponen información sensible del corpus externo. El trabajo analiza cómo la privacidad diferencial (DP) puede proteger estos sistemas y propone un marco para interpretar y comparar garantías de privacidad en RAG de múltiples consultas, más allá del simple parámetro epsilon.
On the Complexity of Symmetric Boolean Functions in Multiparty Private Simultaneous Messages
Un artículo sobre la complejidad de comunicación en protocolos criptográficos de Mensajes Simultáneos Privados Multipartitos (PSM), que modela computación segura no interactiva. Los autores establecen límites inferiores y superiores en la comunicación requerida para funciones booleanas simétricas y mencionan el uso de asistencia de IA en el trabajo.
CARE-SD: Explainable Reasoning Architecture for Local SLM Self-Disclosure Analysis in Textual Data
Investigadores desarrollan CARE-SD, una arquitectura de razonamiento para Small Language Models locales que analiza autodisclosures de seguridad en entrevistas de ciberseguridad. El sistema mejora la precisión y confiabilidad de los modelos pequeños sin necesidad de modelos más grandes, reduciendo afirmaciones no respaldadas.
ExecWeave: Cross-Layer Execution Provenance for Observable Agentic Software
ExecWeave es un sistema que correlaciona trazas de aplicaciones agentic con telemetría del sistema operativo para reconstruir la procedencia de ejecución cross-layer. El trabajo aborda el problema de atribuir correctamente efectos (acceso a archivos, conexiones de red) a acciones específicas de agentes de software, formalizando la asociación entre eventos lógicos y observables del sistema.
Stronger Judges Do Not See More: Deployment-Integrity Blindness in LLM Evaluation
Un estudio de investigación revela que los evaluadores de LLM no pueden detectar si el modelo desplegado ha sido modificado o comprometido, siempre que los resultados en los casos de prueba sigan siendo los mismos. El trabajo presenta DIB-Bench, un benchmark que demuestra que evaluadores más potentes (como GPT-5-nano) aceptan más salidas manipuladas que evaluadores basados en reglas, y que modificaciones ocultas pueden producir comportamientos dañinos en entornos reales.
Approve What, Exactly? Effect Binding and Trusted Rendering for Agent Step-Up Authorization
Investigadores analizan la seguridad de los mecanismos de aprobación en agentes de IA que controlan acciones sensibles (transferencias, eliminación de archivos, envío de correos). Demuestran que estos sistemas de autorización por pasos no son un segundo factor robusto: definen doce ataques contra ellos (suplantación de destinatarios, cambio de cantidades, spoofing de etiquetas) y muestran vulnerabilidades en runtimes de agentes populares y protocolos como AP2 y MCP. Proponen ASU (Agent Step-Up), una defensa que vincula criptográficamente la aprobación a la acción exacta mediante un descriptor canónico y una firma en dispositivo.
Can Autonomous Vehicles Keep Their Cool? A Survey of Thermal Side-Channel and Perception Attacks
Investigadores analizan cómo los vehículos autónomos pueden ser atacados mediante canales laterales térmicos e inyección de datos falsificados en sensores infrarojos de visión nocturna. El estudio identifica que tanto adversarios físicos como software no privilegiado pueden explotar interfaces de seguridad térmica que no fueron diseñadas como límites de confidencialidad, comprometiendo la integridad de la percepción sin que los sistemas puedan desactivarlas sin afectar la seguridad funcional.
PAGE404: Breaking GPU Isolation Through Hardware-assisted Page Migration
Investigadores descubren vulnerabilidades de side-channel en la arquitectura NVIDIA Grace Hopper que explotan el mecanismo de migración de páginas asistido por hardware. Los ataques atraviesan particiones Multi-Instance GPU (MIG) que deberían aislar inquilinos, permitiendo crear canales encubiertos que alcanzan ~8.500 bits por segundo y pueden extraer información sobre los modelos de lenguaje en ejecución e incluso estimar la longitud del prompt. El hallazgo cuestiona las garantías de aislamiento en sistemas multi-inquilino con GPUs modernas.
Screwtape: Adversarial Transcript Editing for Monitor Red-Teaming
Screwtape es un sistema que edita transcripciones reales de agentes de IA para generar ataques que eluden monitores de seguridad diseñados para detectar comportamientos dañinos. El equipo demostró que puede crear ediciones falsas de acciones (como fuga de claves API) que pasan verificadores y esquivan los monitores, incluyendo algunos de proveedores frontier sin acceso a su infraestructura.
From Detection to Decision: Calibration and Deferral for Prompt-Injection Detection
Un estudio evaluó modelos de detección de prompt injection bajo distribución shift, incluyendo Llama Prompt Guard 2 y un juez basado en LLM. Los resultados muestran que aunque el juez LLM logró la mejor discriminación (AUROC 0.897), las probabilidades calibradas por sí solas no garantizan decisiones seguras bajo cambios de distribución, requiriendo tasas de escalado superiores al 91.8% para cumplir objetivos de falsos negativos.
Thinking in Graphs: Neo4j-Backed Exploit-Chain Reasoning for LLM Penetration-Testing Agents
Investigadores presentan ChainGraph, un patrón de razonamiento que permite que agentes LLM en pentesting encadenado explotaciones relacionando hallazgos mediante un grafo de propiedades Neo4j, en lugar de procesarlos como una lista plana en el contexto. El enfoque reduce significativamente el payload de tokens requerido para que modelos como Claude Code razone sobre cadenas de ataque complejas en Active Directory, demostrando cómo hallazgos de severidad media aislada se vuelven críticos cuando se materializan sus rutas de ataque.
GhostLock: Learning-Assisted Blind GPS Signal Nullification Without Victim-Side Information
Investigadores presentan GhostLock, un ataque de anulación de señal GPS que utiliza aprendizaje automático para suprimir señales de satélite auténticas sin información del objetivo. El ataque integra filtros adaptativos ciegos con deep learning para generar anti-señales destructivas, demostrando una nueva clase de amenaza física contra sistemas de posicionamiento críticos.
INFUSE: A Unified Surface Benchmark for Indirect Prompt Injection in Agentic Systems
Investigadores presentan INFUSE, un banco de pruebas para evaluar ataques de inyección de prompts indirecta (IPI) en sistemas agenticos basados en LLM. El benchmark incluye 40 tareas realistas y 56 escenarios de ataque en cinco categorías de amenazas, evaluando 19 modelos de LLM con una tasa media de éxito de ataque del 19,6%, revelando vulnerabilidades significativas incluso bajo defensas existentes.
CascadeLedger: Counterfactual Auditing of Information and Resource Integrity in LLM Cascades
CascadeLedger es un framework de auditoría que valida la integridad de información y recursos en cascadas de modelos de lenguaje, asegurando que las decisiones de enrutamiento solo utilicen información legítimamente observable. El protocolo combina semántica call-before-read, trazas congeladas y auditoría contrafáctica para detectar fallos y manipulaciones adversariales en sistemas LLM complejos.
Hybrid DeepXAI Fusion Network for Interpretable Big Data Analytics and Secure Cloud Decision-Making Systems
Un artículo académico propone Hybrid DeepXAI Fusion Network, un marco de aprendizaje profundo que combina redes neuronales convolucionales, Transformers y redes neuronales gráficas con mecanismos de IA explicable (XAI) para análisis seguro de grandes volúmenes de datos en la nube. El sistema incorpora encriptación homomórfica y auditoría basada en blockchain para privacidad y responsabilidad, alcanzando 98,42% de precisión en conjuntos de datos de sanidad, finanzas y energía.
Empirical Evaluation of Machine Learning for Cloud Cryptojacking Detection: Effects of Preprocessing and Evaluation Protocols
Un estudio empírico evalúa seis modelos clásicos de aprendizaje automático (Random Forest, XGBoost, LightGBM, Gradient Boosting, Decision Tree y KNN) para la detección de cryptojacking en la nube. Los resultados muestran que las decisiones de preprocesamiento y los protocolos de evaluación tienen un impacto significativo en el rendimiento reportado, con variaciones de precisión desde el 96% hasta más del 99,5% según la metodología empleada.
Scaling Indic Pretraining: 2.8 Trillion Tokens and an Open Data Generation Pipeline
NVIDIA e IIT Madras lanzan Nemotron-pretraining-Indic-v1, un corpus de 2,8 billones de tokens en 22 idiomas indios, junto con una canalización abierta de generación de datos sintéticos. El recurso amplía significativamente los datos de entrenamiento disponibles para modelos de lenguaje en idiomas hablados por casi 1.200 millones de personas, abordando la escasez histórica de datos que ha retrasado la tecnología de lenguaje natural en India.
