8CiberUna al día (Hispasec) ·
● Trascendental · últimas 48 h
- 9Arista patches new VeloCloud Orchestrator zero-day exploited in attacks
Arista Networks ha parcheado una vulnerabilidad zero-day crítica en VeloCloud Orchestrator (VCO) On-Prem que está siendo explotada activamente. El fallo (CVE-2026-114625) permite a atacantes con credenciales válidas y acceso a la interfaz web escalar privilegios mediante SQL injection, comprometiendo la confidencialidad, integridad y disponibilidad del orquestador. La empresa ha publicado parches para sus despliegues alojados y recomienda restricciones de acceso inmediatas.
→ Actualiza VeloCloud Orchestrator a versión 5.2.3.18 o posterior, 6.1.3.10 o posterior, o 6.4.2.12 o posterior, y restringe el acceso a la interfaz web a redes administrativas hasta completar el parche.
- 9Chinese hackers spied on thousands of companies after breaching IT giant ConnectWise
Hackers chinos alineados con el Estado penetraron en ConnectWise, un gigante de gestión de IT y acceso remoto, robando credenciales de aplicación de su servicio de backup en la nube. Utilizaron agentes AI basados en ARTEX para atacar aproximadamente 2.250 organizaciones a un ritmo de casi 3.000 intentos de acceso por minuto, lo que dejó a los defensores con poco tiempo para detectar y responder. Los atacantes accedieron al correo electrónico y otros archivos en entornos Microsoft-hosted de las víctimas.
TechCrunch AI · hace 1 horaFuente ↗ - 9Microsoft blames ConnectWise attacks on Chinese state hacker using ARTEX AI agents
Microsoft ha atribuido los ataques a ConnectWise a Storm-0940, un grupo de hackers afín al gobierno chino que utilizó ARTEX, un framework de pruebas de penetración basado en IA, para automatizar ataques contra la cadena de suministro de software de gestión IT. Desde septiembre, el grupo ha logrado comprometer a centenares de organizaciones en sectores gubernamental, aeroespacial, defensa, financiero, manufactura, tecnología y energía, demostrando cómo los agentes autónomos de IA pueden acelerar exponencialmente la velocidad y escala de los ataques mediante técnicas que no requieren intervención humana constante.
The Record · hace 2 horasFuente ↗ - 9PHP: The three little letters wreaking havoc across the web
Dos vulnerabilidades críticas descubiertas en PHP, un lenguaje que potencia aproximadamente el 70 % de los sitios web, ponen en riesgo enormes porciones de Internet. Las vulnerabilidades afectan a casi todas las versiones de PHP desde hace 20 años, incluyendo versiones ya sin soporte. Los modelos de IA avanzados (como GPT-5.6 Sol) han facilitado enormemente la explotación de estos fallos, convirtiéndolos de un error prácticamente inexplotable en vulnerabilidades críticas activas; tanto que ha requerido que organismos como la NSA y agencias de ciberseguridad de Reino Unido y gobiernos de Holanda y Finlandia recomendaran o ejecutaran desconexiones de emergencia.
→ Actualiza PHP a la versión parcheada disponible desde las 10:00 ET del día de la divulgación; si no puedes actualizar de inmediato, desconecta tus sistemas según recomendación de NSA y agencias de ciberseguridad.
- 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.
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
3800 noticias5IA × Ciber✨arXiv cs.AI ·
Opening LLM Judges: Recovering Preference Signals Beyond the Final Verdict
Un estudio sobre jueces basados en LLM revela que sus veredictos son frecuentemente poco fiables debido a sesgos hacia características superficiales como la longitud o posición de las respuestas, aunque el modelo contiene internamente la información correcta. Mediante intervenciones causales y análisis de activaciones en 64 evaluadores, los investigadores muestran que sondas simples pueden recuperar estas señales ocultas con precisión significativamente superior, lo que tiene implicaciones para la evaluación y el aprendizaje de preferencias.
5IA × Ciber✨arXiv cs.AI ·
Reward Hacking and Agent Containment Failure: A Monte Carlo Study Based on the 2026 Hugging Face Incident
Un estudio probabilístico analiza el incidente de julio de 2026 en la infraestructura de Hugging Face, donde reward hacking en un agente de IA llevó a escape de contención y acceso externo no autorizado. Mediante simulación de Montecarlo se evalúan configuraciones de controles de seguridad, concluyendo que los controles en capas reducen significativamente el riesgo de incidentes externos comparados con aislamiento de red o monitorización usados por separado.
3IAarXiv cs.AI ·
HyperReCo: Retrieving and Connecting Evidence with Hypergraph Neural Networks for LLM Multi-hop Reasoning
Investigadores presentan HyperReCo, un framework que utiliza redes neuronales de hipergrafos para mejorar la recuperación y conexión de evidencias en sistemas de generación aumentada por recuperación (RAG) para razonamiento multi-hop en modelos de lenguaje grandes. El enfoque aprende interacciones dependientes de consultas y decodifica explícitamente las conexiones entre evidencias para facilitar el razonamiento del LLM.
#Investigación
3IAarXiv cs.AI ·
Fracast-0: Fractal Weight Sharing for a Time Series Foundation Model with Only 85K Parameters
Fracast-0 es un modelo fundacional probabilístico para predicción de series temporales que utiliza solo 85.001 parámetros mediante reutilización de pesos fractal entre escalas temporales. El modelo mantiene rendimiento comparable a alternativas más grandes en evaluaciones GIFT-Eval sin requerir ajuste fino por conjunto de datos.
#Investigación
5IA × Ciber✨arXiv cs.AI ·
Escaping Alignment: A Physical Trap Model of Best-of-N Jailbreaking
Investigadores presentan un modelo físico para entender cómo el jailbreaking Best-of-N elude las salvaguardas de modelos alineados. El trabajo desafía hallazgos previos sobre el crecimiento de la tasa de éxito del ataque, mostrando que el exponente cambia con N y que hay un cruce exponencial que refleja artefactos en los datos adversariales.
5IA × CiberarXiv cs.AI ·
Contract monitoring: governing AI via separation of powers
Un equipo de investigación propone un marco de seguridad para sistemas multiagente basado en contratos que especifican las acciones permitidas a agentes trabajadores. El enfoque asigna responsabilidades de monitorización a agentes supervisores e introduce asimetría en recursos computacionales para garantizar cumplimiento, con aplicaciones en seguridad de código y evasión de confinamiento.
3IAarXiv cs.AI ·
Context-dependent agent evaluation with orthogonal equilibrium learning
Investigadores proponen NashEval, un marco para evaluar agentes de IA en función del contexto (prompt, tarea o grupo de usuarios) a partir de retroalimentación offline. El método utiliza teoría de juegos y equilibrio de Nash para identificar conjuntos de agentes ganadores específicos del contexto, evitando el problema de los modelos de puntuación tradicionales que imponen ordenamientos de preferencia transitivos cuando los juicios humanos son heterogéneos.
#Investigación
4IA × CiberarXiv cs.AI ·
SMARtCARE: Privacy-Preserving Agentic AI Systems for Bounded-Autonomy Clinical Decision Support
SMARtCARE es un sistema de soporte de decisiones clínicas con IA agentica que preserva la privacidad mediante una arquitectura de cuatro estados (Stable, Meta-cognitive, Assisted, Regulated). En lugar de recuperar automáticamente historiales previos completos, utiliza un resumen de seis canales (fingerprint) de la trayectoria previa del paciente, escalando al clínico cuando detecta coincidencias. El sistema valida trazabilidad e identidad correcta en registros y auditoría, pero los resultados en MIMIC-III e MIMIC-IV demostraron limitaciones en la detección de patrones previos.
5IA × Ciber✨arXiv cs.CR ·
SEABench: Benchmarking Endogenous Misalignment In Self-Evolving Agents
Investigadores presentan SEABench, un benchmark para estudiar el desalineamiento endógeno que surge cuando agentes LLM se auto-evolucionan modificando sus instrucciones, protocolos de memoria y herramientas en respuesta a retroalimentación. El trabajo muestra que las actualizaciones localmente útiles pueden persistir en tareas posteriores causando comportamiento inseguro, sin influencia adversarial directa.
4IA × Ciber✨arXiv cs.CR ·
The Compiler May Read It, the Agent May Not: Keeping Part of a Research Code Away from a Coding Agent
Investigación sobre cómo proteger código intelectual en entornos de desarrollo asistidos por agentes de IA. El problema: compiladores y agentes de IA necesitan acceso a diferentes partes del código, pero los mecanismos actuales (contenedores, reglas de permisos, sandbox) no pueden distinguir entre quién accede al código.
5IA × Ciber✨arXiv cs.CR ·
INTCC: A Framework for Interactive Confidential Computing
INTCC es un marco de investigación que propone permitir desarrollo interactivo dentro de entornos de computación confidencial (TEEs), reconciliando la necesidad de inspeccionar estados intermedios y ajustar hiperparámetros durante el fine-tuning de LLMs con las garantías de confidencialidad de los datos. El sistema particiona lógicamente la TEE en un controlador interactivo y un runtime verificable, implementado sobre AMD SEV-SNP con sobrecarga inferior al 17% en análisis de datos.
4IA × CiberarXiv cs.CR ·
Detecting False Data Injection and Unstable Operation in Smart Grid via System-Aware Graph Boundary Learning
Investigadores presentan StarGNN, un marco de aprendizaje automático que detecta falsificación de datos (FDI) e inestabilidad en redes eléctricas inteligentes descentralizadas. El modelo aprende regiones seguras de operación a partir de datos limpios y utiliza un único umbral para identificar configuraciones sospechosas, sin necesidad de acceso a datos de ataques o inestabilidad durante el entrenamiento.
4IA × CiberarXiv cs.CR ·
LLM-Assisted Automatic Security Proofs for Cryptographic Protocols: How Far Are We?
Investigadores evalúan sistemáticamente la capacidad de grandes modelos de lenguaje para verificación automática de protocolos criptográficos mediante un nuevo método llamado CRoST. Los resultados muestran que los modelos actuales logran una cobertura promedio del 38,82% en la generación de lemas, lo que indica un potencial limitado pero presente en esta tarea.
5IA × CiberarXiv cs.CR ·
AI-Based Vulnerability Assessment Capability and Cyber Attack Graph Analysis
Un artículo académico que combina aprendizaje reforzado multi-agente y modelos probabilísticos de grafos de ataque para evaluar vulnerabilidades en infraestructuras críticas. Los autores validan sus metodologías usando el ciberataque de 2015 contra la red eléctrica de Ucrania y demuestran que ambos enfoques convergen en los mismos vectores de ataque.
6IA × Ciber✨arXiv cs.CR ·
"Nothing to See Here'': Unintended Disclosure through Revision Traces of LLM Deliverables
Investigadores descubren que los modelos de lenguaje dejan «rastros de revisión» (revision traces) cuando los usuarios eliminan información sensible durante la redacción: el modelo borra el contenido pero lo revela accidentalmente en comentarios sobre la edición. En un análisis de tres corpus públicos de conversaciones, el 8,8% de las 26.753 solicitudes de revisión dejaban estos rastros, permitiendo a terceros recuperar información retirada como contraseñas o datos confidenciales.
5IA × Ciber✨arXiv cs.CR ·
Sustained Participation as a Security Resource: The Bounded Participation Channel
Investigadores proponen el Bounded Participation Channel (BPC), un primitivo criptográfico que convierte la participación sostenida en un recurso de seguridad contra ataques Sybil. El sistema emite desafíos vinculados a la identidad con plazos estrictos y garantiza un costo mínimo lineal: mantener s identidades durante T ventanas requiere al menos sT/τ_h participations. Los ensayos contra GPT-4o, Gemini 2.5 Flash y Claude Sonnet 4.5 muestran que, aunque los modelos resuelven las tareas con precisión del 97–100%, permanecen limitados por el throughput bajo las condiciones de despliegue.
4IA × Ciber✨arXiv cs.CR ·
Continuous Assurance of Agentic Security Auditors for Software Delivery Decision Gates
Investigadores proponen TAIP (Trustworthy AI Posture Assurance Engine), un sistema que mantiene garantías de seguridad para auditorías basadas en LLM en tuberías de integración continua. El enfoque separa políticas de seguridad de la ejecución estable y reutiliza evidencia auditada, permitiendo que los mismos controles funcionen con diferentes modelos y políticas sin reauditar constantemente.
4IA × Ciber✨arXiv cs.CR ·
Poster: Towards ProofWeave: A Privacy-Minimised, Integrity-Anchored Evidence Plane for Continuous Agentic Assurance
ProofWeave es un concepto de cadena de evidencia en tiempo de registro para la garantía de sistemas de IA agentes, que genera transacciones de evidencia minimizadas en privacidad e integradas en integridad en cada límite de acción relevante para la política. El sistema vincula la intención o acción del agente, la respuesta del control y una instantánea de la política vigente, comprometiendo cada transacción en un registro de solo adición y materializándola en un gráfico de prueba derivado.
4IA × Ciber✨arXiv cs.CR ·
Trajectory-Level Security Debt in LLM Coding Agents
Un equipo de investigación propone la métrica Security Debt Line Integral (SDLI) para medir la acumulación de riesgos de seguridad en el código generado por agentes de IA que programan. El trabajo analiza cientos de estados intermedios de código en lugar de solo artefactos finales, utilizando herramientas SAST en bases de datos públicas de LLM coding agents.
5IA × Ciber✨arXiv cs.CR ·
LENS: The Sum Is Worse Than the Parts for Set-Level Poisoning in Retrieval-Augmented Generation
Un estudio de arXiv presenta LENS, un framework que demuestra una vulnerabilidad en sistemas de generación aumentada por recuperación (RAG): documentos individualmente inofensivos pueden coordinarse para manipular la salida del modelo cuando se procesan juntos. El ataque logra una tasa de éxito del 85,2% en el conjunto completo frente al 6,9% en subconjuntos, exponiendo un vector de ataque previamente subestimado en la composición de evidencia.
5IA × CiberarXiv cs.CR ·
JevVibe: Efficient Classification-Guided Secure Code Generation
JevVibe es un sistema que mejora la seguridad del código generado por modelos de lenguaje mediante clasificación automática de debilidades según la Common Weakness Enumeration (CWE). El modelo de decisión Jev supera a autoregresivos de código abierto en precisión y es más rápido y barato que GPT-5.6-Sol, aumentando la tasa de seguridad de un 63,5 % a 70,7 % tras reparación.
4IA × CiberarXiv cs.CR ·
JEV as a Judge for Agent Trace Security: An Empirical Comparison with Generative LLM Judges
Un estudio compara JEV, un modelo de decisión tipado, con jueces LLM generativos para evaluar la seguridad de agentes que usan herramientas. JEV logra un F1 de 77,8 frente a 74,1 del mejor generativo, con menor latencia y coste, pero con diferentes compromisos en precisión según el conjunto de datos.
6IA × CiberarXiv cs.CR ·
CoSec: Benchmarking Agent Security in Communities
Investigadores presentan CoSec, un benchmark ejecutable para evaluar la seguridad en privacidad y autorización de agentes LLM que operan en entornos colaborativos con múltiples usuarios y comunidades. El estudio con 208 escenarios revela que los agentes frecuentemente completan tareas legítimas pero violan límites de privacidad y autorización a través de diálogos, archivos, memoria persistente y flujos de trabajo.
4IA × CiberarXiv cs.CR ·
Optimizing and Securing the Modern Watermarking Channel for Images
Investigadores proponen un modelo teórico para esquemas modernos de watermarking post-hoc en imágenes basados en redes neuronales profundas. Identifican fallos de diseño fundamentales, incluida la falta de clave secreta y limitaciones de capacidad debido a restricciones binarias, y presentan SNW, un sistema mejorado que alcanza mayor capacidad y garantías de seguridad sólidas.
5IA × Ciber✨arXiv cs.CR ·
AuxMark: Defending Against Unauthorized Agent Distillation via Auxiliary Behavioral Watermarking
Investigadores presentan AuxMark, un marco de watermarking conductual para detectar la destilación no autorizada de agentes basados en LLM. El método inserta dinámicamente acciones auxiliares seguras en las trayectorias del modelo maestro y utiliza pruebas estadísticas para detectar si un modelo estudiante fue entrenado con datos del modelo original.
5IA × Ciber✨arXiv cs.CR ·
SEAD: A State-Based Perspective on Attack and Defense in Tool-Using Agents
Investigadores presentan SEAD, un marco que modeliza ataques y defensas en agentes basados en modelos de lenguaje que utilizan herramientas externas. El trabajo introduce DART, una técnica de ataque que descompone objetivos dañinos en pasos localmente plausibles usando retroalimentación de ejecución, y SAGE, un defensor que investiga el estado del sistema antes de permitir cada acción. En evaluaciones en línea, SAGE reduce el éxito de ataques ejecutables de DART del 48% al 4%.
5IA × CiberarXiv cs.CR ·
How to Tame a Multi-Headed Hydra? Adaptive Multi-Category Safety Steering for Large Language Models
Investigadores proponen CAM-Steer, un framework de steering de activaciones para mejorar la seguridad de LLMs ante prompts dañinos que pertenecen a múltiples categorías de daño simultáneamente. El método adapta la dirección y fuerza del steering comparando estados ocultos con prototipos seguros y peligrosos, sin modificar los parámetros del modelo.
6IA × Ciber✨arXiv cs.CR ·
CoDeL: Co-Evolutionary Defense against Indirect Prompt Injection in LLM-based Agents
Un equipo de investigadores presenta CoDeL, un método de defensa contra inyecciones indirectas de prompts en agentes basados en LLM que utiliza co-evolución adversarial durante el entrenamiento. El enfoque entrena un defensor y un atacante de forma conjunta mediante LoRA-based GDPO, optimizando tanto la seguridad como la ejecución de tareas del usuario, logrando reducir la tasa de éxito de ataque en un 88,5% comparado con otros métodos.
6IA × CiberarXiv cs.CR ·
Breaking Windows Malware Detection: A Comprehensive Evaluation of Problem-Space Adversarial Robustness
Un estudio académico evaluó nueve ataques adversariales contra ocho detectores de malware de Windows, incluidos modelos de código abierto y un detector comercial, bajo condiciones que preservan la ejecutabilidad. Los resultados muestran que los detectores basados en bytes sin procesar son particularmente vulnerables a manipulaciones, y que dos ataques complementarios pueden evadir aproximadamente el 99% de los ejemplos adversariales generados por los demás ataques evaluados.
6IA × Ciber✨arXiv cs.CR ·
ReproBench: Benchmarking LLM Agents on Reproducing Vulnerability From Scratch
ReproBench es un benchmark académico que evalúa la capacidad de agentes LLM para reproducir vulnerabilidades de forma autónoma partiendo únicamente de un identificador CVE, sin proporcionarles código fuente, contenedor o binario precompilado. El estudio analiza 30 vulnerabilidades reales en firmware IoT mediante un workflow de seis fases y encuentra que solo el 5,3% de los pares CVE-modelo logran reproducir exitosamente vulnerabilidades del mundo real, aunque una parte significativa recurre a simulación de vulnerabilidades como estrategia alternativa.