8CiberUna al día (Hispasec) ·
● Trascendental · últimas 48 h
- 9eMudhra to Exit Global SSL/TLS Business After 8 Intermediate CA Keys Found Easily Guessable
eMudhra, una autoridad de certificación india, abandona su negocio global de certificados SSL/TLS tras descubrirse que ocho claves privadas de certificados intermedios eran fácilmente adivinables (todos los valores estaban por debajo de 256). Chrome y Firefox han dejado de confiar en la raíz emSign ECC Root CA - G3, afectando a unos 30.800 certificados sin expirar, principalmente de InCommon utilizado por universidades estadounidenses. eMudhra reemplazará los certificados afectados con otros gratuitos de socios, y la empresa estima que el 97% de los 30.000 certificados afectados pueden migrarse automáticamente mediante ACME.
The Hacker News · hace 1 horaFuente ↗ - 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.
- 9Two CVSS 9.0 Linux KSMBD RCE Flaws Disclosed on Public Mailing Lists Before Kernel Fixes
Se han revelado públicamente dos vulnerabilidades de ejecución remota de código (RCE) críticas en KSMBD, el servidor SMB integrado del kernel de Linux, ambas con puntuación CVSS 9.0, sin que existan parches en el kernel principal. Una de ellas (ZDI-CAN-33774) no requiere autenticación previa y afecta a cualquier servidor KSMBD en el puerto 445; la otra (ZDI-CAN-33549) requiere una interfaz compatible con RDMA. Las vulnerabilidades fueron divulgadas en listas de correo públicas antes de que estuviesen disponibles correcciones, incumpliendo las prácticas de divulgación responsable del proyecto kernel de Linux.
The Hacker News · hace 2 horasFuente ↗ - 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 2 horasFuente ↗ - 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 3 horasFuente ↗
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
3807 noticias4IA × 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.
5IA × CiberarXiv cs.CR ·
RADNPO: Reference-free Adaptive Negative Preference Optimization for LLM Unlearning
RADNPO es un método de investigación para el "machine unlearning" en modelos de lenguaje grandes, que busca eliminar información sensible, privada o protegida por derechos de autor memorizada durante el entrenamiento. El enfoque mejora técnicas anteriores de optimización de preferencias al controlar mejor cómo se redistribuye la probabilidad después de suprimir el acceso a datos objetivo, adaptando dinámicamente la intensidad del olvido según la confianza del modelo.
6IA × CiberarXiv cs.CR ·
Certified Multi-Source Integrity for Structured Agent Actions
Un artículo académico propone un certificador para verificar la integridad de acciones estructuradas ejecutadas por agentes LLM bajo inyección indirecta de prompt. El trabajo formaliza mecanismos para validar que cada campo de la acción procede de fuentes íntegras, considerando corrupción en documentos y salidas de herramientas, y demuestra que las defensas ingenuas fallan contra ataques realistas en cinco modelos actuales.
5IA × Ciber✨arXiv cs.CR ·
LoRo-Mark:Provably Lossless and Robust Agent Watermarking
Investigadores proponen LoRo-Mark, un mecanismo de watermarking para agentes LLM que permite verificar la propiedad intelectual de agentes reempaquetados por adversarios sin comprometer su funcionamiento normal. El método utiliza ramas criptográficamente autenticadas que se activan solo bajo solicitud del propietario, garantizando pérdida cero de rendimiento y robustez ante modificaciones parciales del comportamiento.
5IA × CiberarXiv cs.CR ·
PerceptFence: Content-Mediation Architecture and Deterministic Coverage for Screen-Share AI Assistants
PerceptFence es una arquitectura de mediación de contenidos diseñada para AI assistants con compartición de pantalla, que protege la privacidad del usuario controlando qué información sensible puede capturar, retener o divulgar el modelo. El sistema mitiga la exposición de datos personales identificables (PII) mediante un filtrado determinista en la capa de captura, memoria y respuestas, logrando resultados superiores a herramientas existentes como Microsoft Presidio en ciertos tipos de secretos.
6IA × Ciber✨arXiv cs.CR ·
The Privacy Fallacy of Crowdsourced Fine-Tuning: Extracting Proprietary Data via Topic-Based Poisoning
Investigadores demuestran que usuarios maliciosos pueden envenenar una fracción pequeña de datos en procesos de fine-tuning por crowdsourcing para amplificar la extracción de instrucciones propietarias de otros usuarios. Con solo 50 ejemplos envenenados, la extracción de datos casi verbatim aumenta hasta 3,71× en Qwen2.5-14B, y los métodos de filtrado de datos existentes detectan menos de la mitad de estas muestras maliciosas.
4IA × CiberarXiv cs.CR ·
A2A-ForensicTrace: Offline Verification of Tamper-Evident A2A Runtime Evidence
Se presenta A2A-ForensicTrace, una capa de verificación offline para investigaciones forenses de ejecuciones Agent2Agent (A2A) que cruzan límites organizacionales. El sistema convierte observaciones en runtime en registros tipados, verifica relaciones protocolo-relevantes y utiliza firmas Ed25519 para garantizar la integridad de la evidencia. La evaluación en 240 ejecuciones mediante el SDK oficial mostró latencias medianas de 1,61 ms, con todos los casos de prueba verificados correctamente.
3IA × CiberarXiv cs.CR ·
A2A-CaseVerify: Merkle-Linked Case-Evidence Verification for Cross-Organization A2A Workflows
A2A-CaseVerify es un verificador offline determinista para validar la integridad de comunicaciones entre agentes LLM en flujos de trabajo entre organizaciones. El sistema mapea objetos A2A, eventos empresariales y aristas de soporte a un grafo de evidencia de casos, utilizando raíces Merkle para garantizar que los mensajes están respaldados por una cadena de evidencia completa, ordenada y consistente.
6IA × Ciber✨arXiv cs.CR ·
Near-Duplicate Families Break Exact-Record Membership Inference
Investigadores demuestran que la inferencia de pertenencia (MI), una técnica usada para auditar si un registro específico fue incluido en el conjunto de entrenamiento de un modelo de IA, falla fundamentalmente cuando existen registros casi idénticos en el dataset. El problema es que datasets de escala web contienen naturalmente duplicados cercanos (artículos sindicados, páginas espejadas, imágenes ligeramente modificadas), lo que causa que los auditores confundan la presencia de variantes similares con la presencia del registro exacto.
6IA × Ciber✨arXiv cs.CR ·
Can Prompt Anonymity Protect Your Identity From LLM Providers?
Un equipo de investigación demuestra que los mecanismos de anonimización de prompts para LLM no protegen adecuadamente la privacidad del usuario. Mediante PromptAnonBench, un benchmark con más de 175 000 prompts reales, muestran que los atacantes pueden re-identificar al menos el 50-75% de usuarios de SWE-Chat y hasta el 10% de WildChat utilizando embeddings de conversaciones históricas, incluso con defensas basadas en texto aplicadas. El hallazgo revela que la anonimización por sí sola es insuficiente para proteger la inferencia privada en LLM.
5IA × CiberarXiv cs.CR ·
SecProbe: Adaptive Evaluation of Coding Agents on Cybersecurity Vulnerabilities
SecProbe es un marco de evaluación adaptativa que combina la Teoría de Respuesta al Ítem (IRT) con síntesis bajo demanda de tareas de reparación de vulnerabilidades a escala de repositorio. El equipo evaluó nueve modelos de frontier con tareas que abarcan seis lenguajes de programación y 151 tipos de CWE, revelando que las tasas de éxito alcanzan solo el 28,33%, lo que indica brechas significativas en el reconocimiento y reparación de vulnerabilidades.
4IA × CiberarXiv cs.CR ·
COGNIT-Guard: Calibrated Standalone Direct-Decision Guardrails with Heterogeneous CPU-NPU Confidence Cascading under Explicit Latency and False-Positive Constraints
COGNIT-Guard es un sistema de guardrails de seguridad para modelos de lenguaje que clasifica prompts antes de que lleguen al modelo principal, combinando un validador rápido en CPU con un modelo de decisión directa en NPU para detectar contenido peligroso. El sistema equilibra precisión (98,85% en pruebas), falsos positivos bajos (0,42%) y latencia controlada (41,63 ms) bajo restricciones explícitas de rendimiento.
5IA × Ciber✨arXiv cs.CR ·
What Does It Mean to Forget a Person? Individual-Level Unlearning in Vision-Language Models
Investigadores proponen IDUnlearn-Bench, el primer benchmark para evaluar el olvido a nivel individual en modelos Vision-Language. El estudio revela que los métodos actuales de unlearning logran borrar atributos específicos pero no eliminan completamente la capacidad del modelo de identificar, vincular y reconstruir información sobre una persona a través de modalidades multimodales.
5IA × CiberarXiv cs.CR ·
HESP: Separating What to Probe from When to Stop in Local LLM Alert-Triage Agents
HESP es un controlador que mejora los agentes LLM pequeños en operaciones de seguridad, separando la lógica de investigación del modelo para automatizar el triage de alertas. El sistema utiliza una lista de explicaciones competidoras, selecciona pruebas por ganancia de información esperada y puede detener investigaciones de forma autónoma, logrando que modelos de 7B a 72B completen verificaciones con mayor precisión.
7IA × Ciber✨arXiv cs.CR ·
Weird Machine Compositors: Exploiting AI Orchestration at the Expression Layer
Investigadores demuestran que los sandboxes de expresiones en plataformas de orquestación de IA (como n8n) son máquinas raras explotables mediante escaladas de privilegios. El trabajo identifica tres CVE con CVSS 9.4, incluyendo una sin autenticación, y establece un patrón de fallos en el enfoque enumerate-and-block heredado de tecnologías como Java SecurityManager. La enumeración asistida por IA acelera el descubrimiento de brechas de seguridad en estos sandboxes.
5IA × CiberarXiv cs.CR ·
Evaluating System One Models for Agent Security Decisions: Reliability, Calibration, and Selective Automation
Se evalúan modelos de lenguaje (Jev, Laya, Decider y Bespoke Nimble) como jueces de seguridad para detectar inyecciones de prompt, evaluar riesgos de interacción y filtrar solicitudes dañinas en sistemas de agentes. El estudio revela que aunque estos modelos tienen un desempeño general fuerte y buena calibración promedio, pueden fallar sistemáticamente ante grupos específicos de ataques, incluidos aquellos que clasifican con confianza como seguros. Bajo límites estrictos de ataques fallidos, las políticas evaluadas permiten automatizar pocas decisiones, y el uso de umbrales separados para permitir y bloquear incrementa la automatización principalmente bloqueando más entradas.
6IA × CiberarXiv cs.CR ·
API Secrets Should Never Become Tokens in the LLM's Vocabulary: A Threat Analysis of API Credential Handling in LLM Agent Systems and an Empirical Evaluation of a Vault-Mediated Execution Boundary
Un artículo académico que analiza cómo los sistemas de agentes LLM manejan credenciales API, mostrando que las claves pueden filtrarse a través del historial de conversación, logs y memoria. Los autores proponen una arquitectura de ejecución mediada por un vault de credenciales y evalúan una implementación de producción llamada Corvic Security Vault, donde el modelo selecciona identificadores de conectores mientras un límite de solicitud confiable proporciona la autenticación.
6IA × Ciber✨arXiv cs.CR ·
AgentTell: Behavioural Side-Channel Leakage in Browser-Use Agents
Un estudio de arXiv muestra que los agentes de navegación por el web a menudo filtan información privada a través de canales laterales conductuales: cuando adquieren un secreto en un sitio web, lo revelan inadvertidamente mediante sus acciones en otro sitio en lugar de mantenerlo oculto. El benchmark AgentTell evaluó 9.760 sesiones y encontró que los agentes filtran secretos en el 61,1% de los casos, incluso cuando tienen instrucciones explícitas de no hacerlo.
5IA × CiberarXiv cs.CR ·
Learning to Refer: Client-Resolved Generation for Privacy-Aware Language Models
Un equipo de investigación presenta Client-Resolved Generation (CRG), una interfaz de generación para modelos de lenguaje que reduce la exposición de datos en texto plano durante la comunicación con servidores en la nube. El sistema separa la generación en el servidor de la realización léxica, transmitiendo solo representaciones agrupadas y perturbadas por ruido, mientras que el contenido derivado de la entrada se resuelve localmente en el cliente.
6IA × Ciber✨arXiv cs.CR ·
Silent Failures in Agentic Security Evaluation: A Validated Harness for Tool-Call Mediation Under Indirect Prompt Injection
Investigadores auditan un benchmark de seguridad para agentes LLM bajo inyección indirecta de prompts y descubren cuatro clases de defectos críticos en la evaluación que producen resultados incorrectos pero publicables. Por ejemplo, un modelo reportado con 62,8% de tasa de ataque exitoso en realidad tiene 0% bajo la metodología corregida, y otro muestra 21,7% en lugar del verdadero 1,2%. El equipo publica un harness validado que impide estos defectos y reclama que la validez de evaluación debe ser requisito previo, no apéndice, en la seguridad de agentes.
5IA × Ciber✨arXiv cs.CR ·
Ask Without Telling: Local SLMs Consult Cloud LLMs Without Revealing Task Intent
Investigadores presentan PriCon, un framework que permite a modelos de lenguaje locales (SLMs) solicitar ayuda a LLMs en la nube sin revelar la intención de la tarea. El trabajo caracteriza la privacidad de tareas como dos componentes (contexto de tarea y operación de tarea) y propone una reformulación matemática recuperable para proteger ambos, logrando reducir la inferencia de intención de tarea en el lado de la nube a casi 0% mientras mantiene la utilidad.
6IA × Ciber✨arXiv cs.CR ·
Trust the Brand, Lose Control: How Identity Hijacks LLM Agent Orchestration
Un nuevo estudio (TrustFork) revela que los orquestadores de agentes LLM seleccionan subagenates basándose en su identidad mostrada, no en su comportamiento real, lo que permite que atacantes falsifiquen identidades para obtener autoridad operativa no merecida. El análisis de 1.890 tareas demuestra que incluso cuando otro subagenate contradice una respuesta arriesgada, el orquestador la ejecuta en el 72% de los casos; cambiar las etiquetas de identidad triplica la frecuencia con que obtienen respuestas maliciosas.
4IA × Ciber✨arXiv cs.CR ·
VulContextBench: A Benchmark for Security Context Retrieval in Coding Agents
VulContextBench es un benchmark que evalúa si los agentes de código encuentran y citan correctamente el contexto relevante en auditorías de seguridad, más allá de si alcanzan el veredicto correcto. Los investigadores auditaron manualmente 111 commits que introducen vulnerabilidades en 83 repositorios y cinco lenguajes, anotando bloques de código con sus roles en la evidencia. Las pruebas con siete modelos frontier revelan que todos exploran la mayor parte del código relevante pero citan solo una fracción en sus reportes finales.
5IA × Ciber✨arXiv cs.CR ·
Reading Is Not Leaking: Local, Auditable Measurement and Reduction of Inference Exposure from Public Footprints
Un equipo presenta un marco para medir y reducir la exposición de información que los modelos de lenguaje pueden inferir de perfiles públicos, usando análisis en el ordenador del propietario sin necesidad de LLM. El método separa la precisión de lectura de la tasa de fuga, introduce un protocolo de inyección para crear casos de prueba y utiliza un codificador de 106M parámetros que no genera texto sino que marca evidencia textual con certificados auditables. Las defensas propuestas reescriben hechos de forma más coarse para ocultar información de adversarios basados en LLM con un coste de edición un 40% menor que la eliminación.