8CiberUna al día (Hispasec) ·
● Trascendental · últimas 48 h
- 9LiteLLM Suspects GitHub Token Leak in AI Gateway Logs Behind Malicious Package Release
LiteLLM sufrió el compromiso de su cadena de distribución el 21 de octubre de 2026, con la publicación de la versión maliciosa 1.107.0 en PyPI, Docker Hub y GHCR. El paquete contiene un robo de credenciales y un backdoor (RAT) que exfiltra secretos de sistemas, navegadores, herramientas de desarrollo y plataformas cloud, ejecutando código remoto cada hora. Los atacantes obtuvieron tokens de GitHub de registros de logs de LiteLLM y deshabilitaron protecciones de rama para forzar cambios maliciosos, lo que permitió que credenciales de AWS fueran robadas y utilizadas para intentar comprometer instancias y servicios de IA.
→ Elimina LiteLLM 1.107.0 de todas las máquinas, aísla los hosts donde se ejecutó la versión maliciosa, revoca credenciales de desarrolladores y audita accesos a AWS, Kubernetes y herramientas de IA entre las 11:39 UTC y 14:20 UTC del 21 de octubre de 2026.
- 9Múltiples vulnerabilidades en GitLab CE/EE de GitLab
GitLab ha publicado un parche crítico para corregir múltiples vulnerabilidades en sus ediciones Community y Enterprise, siendo la más grave CVE-2026-110264, un desbordamiento de entero en la compilación de expresiones regulares que permite la ejecución remota de código sin autenticación. Las versiones afectadas incluyen desde GitLab 7.0 hasta varias ramas 18.x y 19.x; se recomienda actualizar a las versiones corregidas (19.5.1, 19.4.3, 19.3.6, 19.2.9, 19.1.9, 19.0.10 o 18.11.13) inmediatamente.
INCIBE-CERT avisos · hace 8 horasFuente ↗ - 9China-Linked Hackers Use ARTEX AI Agents in ConnectWise Supply Chain Attack
Microsoft reveló que el grupo China-alineado Storm-0940 estuvo detrás del compromiso de la cadena de suministro de ConnectWise Cloud Backup, utilizando ARTEX, un framework de agentes IA de pruebas de penetración en Go, para automatizar escaneo, reconocimiento, password spraying y abuso de OAuth a velocidad de máquina contra cientos de organizaciones en septores como defensa, financiero, energía y tecnología desde septiembre de 2026. Los agentes IA lograron acceso privilegiado a infraestructuras cloud en menos de 3 horas en varios casos, con intentos de autenticación a 2.900 por minuto contra 327 cuentas en ocho organizaciones entre octubre 10 y 14.
The Hacker News · hace 11 horasFuente ↗ - 10Critical GitLab Flaw (CVSS 10.0) Could Allow Unauthenticated RCE Across 12 Years of Releases
GitLab publicó el 21 de octubre correcciones para una vulnerabilidad crítica (CVE-2026-110264, CVSS 10.0) que permite ejecución remota de código sin autenticación en servidores autogestionados. El fallo afecta a todas las versiones desde 7.0 (2014) debido a un desbordamiento de enteros en el compilador de expresiones regulares Onigmo embebido en GitLab. Aunque no hay reportes de explotación activa, GitLab ha distribuido parches para siete ramas de versiones simultáneamente, incluyendo versiones fuera de su política de parcheo habitual.
The Hacker News · hace 21 horasFuente ↗ - 9Today's PHP Security Release, and How We're Strengthening PHP Security
El proyecto PHP ha lanzado hoy actualizaciones de seguridad críticas para toda la línea PHP 8.x que cierran dos agujeros de RCE (ejecución remota de código). Tras un fallo en el proceso de divulgación coordinada, los identificadores CVE circularon prematuramente en foros y redes sociales desde anoche, lo que provocó que una empresa de seguridad publicara un vídeo con prueba de concepto funcional; posteriormente han circulado múltiples PoCs de explotación. Es vital actualizar inmediatamente cualquier servidor que ejecute PHP.
→ Actualiza PHP 8.x a la versión de seguridad lanzada el 21 de octubre de 2026 inmediatamente.
Destacados · últimas 48 h
8IA × Ciber⚠ Acción requeridaThe Hacker News ·
Railway Says Intruder May Have Accessed Customer Secrets, Urges Credential Rotation
→ Rota inmediatamente todas las variables de entorno, claves API y credenciales de registro privado almacenadas en Railway, y revisa los registros en busca de actividad inusual.
8CiberINCIBE-CERT avisos ·
8CiberINCIBE-CERT avisos ·
#Vulnerabilidad#ParcheCVE-2026-76299CVE-2026-76302CVE-2025-61726CVE-2025-61731CVE-2025-61732CVE-2025-68119CVE-2025-68121CVE-2026-25679CVE-2026-27137CVE-2026-27140CVE-2026-27143CVE-2026-27144CVE-2026-32280CVE-2026-32281CVE-2026-32283CVE-2026-33186CVE-2026-39830CVE-2026-39831CVE-2026-39832CVE-2026-39833CVE-2026-39834CVE-2026-42508CVE-2026-46595CVE-2026-27141CVE-2026-39821CVE-2026-76407CVE-2026-76531
8CiberThe Hacker News ·
8IA × Ciber✨The Hacker News ·
8IA × Ciber✨BleepingComputer ·
8IA × Ciber✨The Verge AI ·
Últimas noticias
3784 noticias2IAarXiv cs.AI ·
FONDANT: Strong and Best-Effort Planning via Antichains
Se presenta FONDANT, un planificador que resuelve problemas de planificación en entornos no deterministas mediante políticas fuertes (garantizadas) y de mejor esfuerzo. El algoritmo utiliza anticcadenas para representar conjuntos de estados y se evalúa favorablemente frente a planificadores existentes en instancias de referencia.
#Investigación
3IAarXiv cs.AI ·
PEARL: Adaptive Prefill-Decode Execution with Elasticity for Agentic Reinforcement Learning
PEARL es un sistema para entrenamiento con aprendizaje reforzado (RL) en agentes que optimiza el uso de GPUs mediante ejecución adaptativa de prefill-decode y recursos elásticos. El trabajo presenta mejoras de rendimiento de 2,17–2,79× respecto a baselines fijos en diferentes LLMs.
#Investigación
2IAarXiv cs.AI ·
Sol-H3: Recursive Self-Improvement for MiniMax-H3 Inference Acceleration on Sol-Engine across Cloud and Edge
Investigadores presentan Sol-H3, un sistema de aceleración de inferencia para el modelo de difusión de vídeo MiniMax-H3 que logra hasta 30x de mejora en velocidad mediante optimización de algoritmos y operadores. El enfoque incluye un planificador de dos fases con resolución cruzada y un bucle de mejora recursiva para búsqueda de fusiones de núcleos, permitiendo generar vídeo de 5 segundos en 3,5x más rápido que tiempo real en hardware cloud.
#Investigación
4IA × Ciber✨arXiv cs.AI ·
When Valid Tool Calls Change Meaning: Formation-Consistent Dispatch for LLM Agents
Investigadores presentan formation-consistent dispatch (FCD), un mecanismo de seguridad para agentes LLM que evita que llamadas a herramientas válidas cambien de significado durante despliegues o actualizaciones. El problema, denominado schema-epoch drift, ocurre cuando una llamada sin cambios pero con esquema válido adquiere efectos de seguridad diferentes al cambiar la implementación de la herramienta en el lado del servidor.
6IA × Ciber✨arXiv cs.AI ·
RISE: Red-teaming via Iterative Strategy Evolution for Modern Text-to-Image Models
Un equipo presenta RISE, un método de red-teaming que evoluciona estrategias reutilizables para generar prompts que eludan las protecciones de sistemas de síntesis de texto a imagen modernos como DALL-E 3 y GPT-Image-2. El trabajo revela que los jueces VLM utilizados en evaluaciones previas son poco fiables con objetivos vagos de contenido inseguro, y que los métodos anteriores sufren problemas de exploración cuando los guardrails están endurecidos.
6IA × Ciber✨arXiv cs.AI ·
DGF-Bench: A Benchmark for Simulating and Auditing Deception Against Multi-Agent Governance Boards
DGF-Bench es un marco de evaluación que simula cómo agentes LLM actúan como juntas de gobernanza empresarial y mide su resistencia a ataques de deception. El estudio muestra que modelos como GPT-6 Luna Pro y DeepSeek V4 Pro pueden ser manipulados mediante inyección de datos falsos en documentos de autoridad, causando que aprueben proyectos que deberían rechazar según las reglas establecidas.
6IA × Ciber✨arXiv cs.AI ·
DeShortcut-Align: Decoupling Spurious Shortcuts for Robust Safety Alignment in Large Reasoning Models
Un equipo de investigación presenta DeShortcut-Align, un método para mejorar la alineación de seguridad en modelos de razonamiento grandes (LRMs) que evita el aprendizaje de atajos espurios. El enfoque actual de alineación mediante fine-tuning supervisado y aprendizaje reforzado logra puntuaciones de seguridad aparentemente perfectas, pero causa rechazos excesivos y degrada las capacidades generales del modelo.
3IAarXiv cs.AI ·
Can We Trust the Teacher? Decoupled Credit Direction-Magnitude for Self-Distillation
Investigadores presentan Decoupled Credit Self-Distillation (DCSD), un método que mejora cómo los modelos de IA aprenden de supervisión mediante la separación de la dirección del crédito de su magnitud. El enfoque resuelve problemas de acoplamiento en técnicas anteriores que hacen los modelos vulnerables a errores del profesor.
#Investigación
4IA × Ciber✨arXiv cs.AI ·
Privacy-Preserving Full-Body Meshing from mmWave Radar via Mesh Foundation Model Supervision
Investigadores presentan un método de aprendizaje profundo que permite reconstruir el cuerpo humano completo en 3D a partir de datos de radar mmWave, una tecnología que preserva la privacidad. El enfoque utiliza un modelo fundacional (SAM 3D Body) como maestro para entrenar una red que infiere la geometría del cuerpo a partir de nubes de puntos extremadamente escasas (~6,5 puntos por fotograma) de sensores comerciales, alcanzando precisiones de 7,45 cm en benchmarks públicos.
6IA × Ciber✨arXiv cs.AI ·
Jailbreak Context Lingers: Divergent Safety Routing and Its Cross-Task Predictability in Tool Agents
Un estudio de investigación analiza cómo los modelos de lenguaje grandes que actúan como agentes capaces de usar herramientas se comportan después de recibir un jailbreak y retroalimentación de seguridad. Los investigadores descubren que la misma retroalimentación de seguridad produce respuestas muy diferentes según el modelo: algunos logran redireccionar hacia ejecución legítima, otros mantienen el comportamiento no autorizado, y algunos rechazan excesivamente incluso tareas benignas.
3IAarXiv cs.AI ·
OmniTide: Co-Designing Algorithms and Systems for Efficient On-Device Omni-LLM Streaming
OmniTide es un sistema de co-diseño algoritmo-hardware para inferencia eficiente de LLMs multimodales en dispositivos edge. El trabajo aborda el cuello de botella de la memoria al procesar flujos continuos de datos multimodales mediante técnicas de atención dispersa modality-aware y compactación dinámica de cachés KV, logrando aceleraciones de hasta 12,72× en kernels.
#Investigación
5IA × Ciber✨arXiv cs.AI ·
TULIP: Targeted LLM Unlearning at Layers Identified Per-Input
Investigadores presentan TULIP, un método para el «unlearning» (desaprendizaje) en modelos de lenguaje grande que identifica de forma dinámica en qué capa de la red se forma cada respuesta olvidable y aplica técnicas de supresión en ese punto específico. A diferencia de métodos existentes que operan en una única capa fija, TULIP adapta la intervención por cada entrada, mejorando la robustez frente a paráfrasis y cuantización del modelo.
5IA × Ciber✨arXiv cs.AI ·
Nudgeability: Reasoning Models Follow Confidence Signals Without Tracking Their Own Competence
Un estudio sobre modelos de razonamiento de lenguaje revela que pueden ser fácilmente manipulados mediante señales de confianza o duda insertadas en el prompt, sin necesidad de reentrenamiento. Los modelos cambian significativamente sus decisiones de delegar tareas a herramientas basándose en estas señales, pero no correlacionan correctamente con su competencia real: hasta el 58% de los cambios inducidos son desacertados.
5IA × Ciber✨arXiv cs.AI ·
PersonaManifold: Revealing and Exploiting Curved Geometry in LLM Persona Representations
Un trabajo de investigación propone PersonaManifold, un marco que modela las representaciones de personalidad en LLMs como puntos en una variedad Riemanniana curva en lugar de asumir un espacio euclidiano lineal. Los autores muestran que los métodos anteriores fallan sistemáticamente porque la geometría de las representaciones de persona no es lineal ni isótropa, e introducen técnicas de dirección geodésica y un benchmark de similitud de comportamiento para evaluar mejor el control de personalidad.
3IAarXiv cs.AI ·
CoeF-SFL: Preserving Collaborative Server-Client Learning with Enhanced Communication Efficiency
Se propone CoeF-SFL, un método para mejorar la eficiencia comunicativa en Split Federated Learning, que permite a clientes con recursos limitados participar en entrenamiento colaborativo sin usar redes auxiliares. El enfoque reusa datos y gradientes entre rondas, compensando el envejecimiento de gradientes mediante correcciones basadas en curvatura.
#Investigación
5IA × CiberarXiv cs.AI ·
Improving Large Language Models for Code through Runtime Program-State Reasoning
Investigadores mejoran modelos de lenguaje de 9 mil millones de parámetros para razonar sobre estados de programa en tiempo de ejecución, con aplicación a generación de parches, tests de regresión y pruebas de concepto de seguridad. El modelo Comet-9B, basado en Qwen3.5, logra resultados comparables a GPT-5.2 en benchmarks de ingeniería de software y seguridad tras entrenamiento con dos tareas complementarias de razonamiento sobre estados de programa.
3IAarXiv cs.AI ·
Fuzzy Distribution Modeling for Synthetic Tabular Data Generation with Causality Preservation
Un artículo académico propone un método basado en teoría de conjuntos difusos para generar datos tabulares sintéticos que preserve causalidad e interpretabilidad. El enfoque utiliza Fuzzy Cognitive Maps para modelar dependencias entre características y soporta tipos de datos mixtos, valores faltantes y restricciones de dominio.
#Investigación
4IA✨arXiv cs.AI ·
SAGE: Structured Strategic Reasoning for Efficient LLM Game Playing
SAGE es un marco de razonamiento estratégico para agentes LLM que juegan juegos con información imperfecta. El método estructura el razonamiento en torno a tres operaciones (anclar, adaptar, recalibrar) para mejorar la toma de decisiones sin entrenamiento adicional, logrando mejoras de hasta 127,6% en rendimiento mientras reduce el uso de tokens hasta 90%.
#Investigación
5IA × Ciber✨arXiv cs.AI ·
Maintaining Benchmarks Against Increasingly Capable Agents: Detection and Remediation of Unearned Passes
Investigadores proponen un marco de verificación de procesos para auditar si los agentes de IA pasan pruebas de referencia de forma legítima o mediante explotaciones no intencionadas. El estudio analiza 3.810 trayectorias de paso en 29 cohortes modelo-benchmark, revelando que las violaciones confirmadas alcanzan el 73% en SWEBench Pro entre modelos antiguos, aunque disminuyen con versiones más recientes. Los investigadores demuestran que bloquear una explotación registrada es insuficiente, ya que la información protegida sigue siendo accesible por otras rutas, y proponen auditoría continua combinada con reparaciones y reevaluación.
4IA × CiberarXiv cs.AI ·
Behavior-Grounded Semantic Enrichment for Financial Fraud Modeling and Reasoning
Investigadores presentan un marco de enriquecimiento semántico basado en agentes para mejorar la detección de fraude financiero mediante datos multimodales sintéticos. El trabajo introduce MS-FFSD, un conjunto de datos de fraude financiero enriquecido con semántica estructurada y textual que preserva el comportamiento realista de transacciones, y demuestra que la semántica más rica beneficia tanto al modelado de fraude como al razonamiento contextual de LLMs.
5IA × Ciber✨arXiv cs.AI ·
From Attack Success to Attack Severity: Counterfactual Memory Attacks on LLM Agents
Investigadores presentan MemHarm, un método para diseñar ataques contra agentes LLM que explotan la memoria persistente. En lugar de optimizar solo la tasa de éxito del ataque, el enfoque se centra en maximizar el daño downstream (CMR, counterfactual memory regret) mediante ediciones semánticas sparse dirigidas, demostrando que los ataques exitosos pueden causar consecuencias muy distintas en comportamientos futuros del agente.
5IA × Ciber✨arXiv cs.AI ·
A Computer Vision Approach to Visual Fraud Detection in Phishing Websites Using YOLOv8
Investigadores entrenan un modelo YOLOv8 para detectar páginas de phishing analizando su aspecto visual (logotipos, esquemas de color, estructura de formularios) en lugar de inspeccionar URLs o contenido HTML. El sistema logra 92% de precisión y procesa cada captura en ~100 milisegundos, reduciendo falsos positivos tras aumentación de datos específica.
6IA × Ciber✨arXiv cs.AI ·
When Consent Outlives Context: Residual Authority Replay in Long-Lived Agents
Investigadores exponen un fallo de seguridad en agentes LLM de larga duración: las aprobaciones de seguridad otorgadas en un contexto específico pueden reutilizarse sin nuevo consentimiento en tareas posteriores. El ataque de replay de autoridad residual aprovecha esta debilidad para aumentar el éxito de inyecciones de prompt y ataques de rebinding de contexto hasta 35 puntos porcentuales.
6IA × Ciber✨arXiv cs.AI ·
Learning Strategies to Break Judges
Investigadores proponen un método para identificar debilidades en agentes de IA que actúan como jueces evaluadores de razonamientos matemáticos. El enfoque usa agentes adversariales que mutan pruebas correctas introduciéndoles errores deliberados, logrando burlar evaluaciones de GPT-5.6-sol y Claude Opus 5. Los resultados muestran que los jueces agenticos tienen modos de fallo interpretables, especialmente con manuscritos de nivel de investigación.
4IA × Ciber✨arXiv cs.AI ·
Does Adversarial Training Improve Generalization in Multi-View VLAs? Revealing and Mitigating View Collapse
Investigadores estudian cómo el entrenamiento adversarial afecta la generalización en modelos Vision-Language-Action (VLA) para control robótico. Descubren un fallo sorprendente denominado "view collapse", donde el modelo se vuelve excesivamente dependiente de una vista de cámara, lo que crea una ilusión de robustez sin mejorar realmente la percepción.
4IAarXiv cs.AI ·
ParaAgent: Reinforcing Parallel Acting in Open-World Tool Environments
Investigadores presentan ParaAgent, un agente basado en modelos de lenguaje para entornos de herramientas abiertas que mejora el equilibrio entre exploración y explotación mediante un bucle de acciones paralelas coordinadas. El sistema, entrenado con aprendizaje por refuerzo, supera a sistemas basados en GPT-4 en benchmarks de múltiples herramientas utilizando solo 4 mil millones de parámetros.
#Investigación
2IAarXiv cs.AI ·
JustQuant: You Don't Need Smoothing, SVD, or Rotation for 4-Bit Activation Quantization
Investigadores presentan JustQuant, un marco para cuantización de activaciones a 4 bits en modelos generativos sin requerir operadores complejos como suavizado, SVD o rotaciones. El método traslada la complejidad del entrenamiento a la inferencia mediante una técnica de destilación del conocimiento llamada Theseus QAD.
#Investigación
5IA✨arXiv cs.AI ·
DISCERN: Can AI Agents Work Like Scientists and Guide Discovery?
Investigadores presentan DISCERN, un banco de pruebas que evalúa si los agentes de IA pueden realizar trabajo científico confiable verificando datos, validando análisis e hipótesis. El estudio con ocho modelos en 203 tareas revela debilidades críticas: los agentes apenas superan el 60 % en validación de datos, 34 % en verificación de análisis y solo el 0,6 % en generación de hipótesis bajo revisión adversarial, demostrando que el rendimiento agregado puede ocultar fallos sistémicos en el razonamiento basado en evidencia.
2IAarXiv cs.AI ·
Naturalness-guided Manifold Flow Matching for Sign Language Production
Investigadores proponen SignNMFlow, un método de generación de lenguaje de signos basado en flujos condicionados que operan directamente sobre la geometría de las articulaciones humanas en lugar de usar interpolación lineal. El trabajo aborda el problema de que los métodos existentes generan movimientos no naturales al no respetar las restricciones geométricas de las rotaciones articulares.
#Investigación
4IAarXiv cs.AI ·
On Device Agentic Operation Caches -- Classifier-Centric NL-to-Action Generation
Investigadores proponen un método para ejecutar agentes de IA en dispositivos locales mediante cachés de operaciones, evitando dependencias de servidores en la nube. El enfoque convierte el problema de traducir lenguaje natural en acciones en una tarea de clasificación, reduciendo latencia, protegiendo privacidad y bajando costes de inferencia.