Google — Agentes de IA automatizan la explotación, robo de credenciales y escalan el cibercrimen

Fecha de publicación: 16 de noviembre de 2026
Categoría: AI attacks (LLM/LocalAI)

Introducción

El panorama de la ciberseguridad ha sufrido un cambio operativo trascendental: los actores maliciosos han abandonado el uso exclusivo de comandos manuales en chatbots para desplegar marcos de agentes autónomos y modelos de lenguaje de gran escala (LLMs). Según un informe reciente del Threat Intelligence Group (GTIG) de Google, estos marcos (tales como ARTEX, CAIRN, CyberStrikeAI y PentAGI) permiten a los atacantes realizar análisis diferenciales de parches, automatizar la ingeniería inversa y ejecutar intrusiones de múltiples fases a una velocidad operativa sin precedentes, sin intervención humana directa. Este fenómeno acelera drásticamente la explotación de vulnerabilidades conocidas (n-day) e impulsa abusos financieros masivos a través del denominado LLMjacking.

¿Qué es el Fenómeno de Agentes Autónomos y las Vulnerabilidades Involucradas? (Análisis General)

La automatización basada en agentes de IA representa la fusión de herramientas de seguridad ofensiva tradicionales con capacidades cognitivas de modelos de lenguaje. Estos agentes poseen la capacidad de buscar vulnerabilidades sencillas, sintetizar cargas útiles (payloads) personalizadas mediante LLMs y adaptar su estrategia en tiempo real según los resultados obtenidos en el entorno objetivo.

Paralelamente, este ecosistema de amenazas interactúa directamente con fallos críticos a nivel de infraestructura y software. Destacan las vulnerabilidades recientes en el motor de PHP (CVE-2026-109618 y CVE-2026-109619) y en la plataforma LiteLLM (CVE-2026-40217).

Resumen de Vulnerabilidades Confirmadas (Datos NVD)

CVE Categoría (CWE) Impacto CVSS Vector (resumido)
CVE-2026-109618 CWE-416, CWE-755, CWE-824, CWE-1325 Ejecución Remota de Código (RCE) 9.2 (Crítico, CVSS v4.0) AV:N/AC:H/AT:P/PR:N/UI:N/VC:H/VI:H/VA:H
CVE-2026-109619 CWE-416, CWE-755, CWE-824, CWE-1325 Ejecución Remota de Código (RCE) 9.2 (Crítico, CVSS v4.0) AV:N/AC:H/AT:P/PR:N/UI:N/VC:H/VI:H/VA:H
CVE-2026-40217 CWE-420, CWE-94 Ejecución de Código Arbitrario 8.8 (Alto, CVSS v3.1) AV:N/AC:L/PR:L/UI:N/S:U/C:H/I:H/A:H

Nota: Las puntuaciones y clasificadores de los tres CVEs anteriores corresponden a registros oficiales confirmados de la base de datos NVD.

¿Cómo funciona? (Análisis Técnico)

El funcionamiento técnico de estas campañas se divide en dos vertientes principales: la orquestación automatizada de ataques mediante IA y la explotación de vulnerabilidades de software subyacentes.

  • Flujo de Infección y Automatización: Marcos como CAIRN y PentAGI utilizan espacios de trabajo compartidos y conectores hacia más de un centenar de herramientas de seguridad. Un agente especializado evalúa el entorno, detecta componentes desactualizados e implementa exploits de forma iterativa. En el caso de la investigación de vulnerabilidades, herramientas experimentales como exploit_agent realizan análisis diferenciales de parches web de manera autónoma.
  • Mecanismos de Fallo en PHP (CVE-2026-109618 y CVE-2026-109619):
    • CVE-2026-109618: PHP emplea la función longjmp() ante errores de desbordamiento de memoria (OOM) para salir del contexto actual. Ciertos contextos omiten contabilizar adecuadamente este escenario, dejando la memoria de la solicitud en un estado no inicializado antes de una asignación. El proceso posterior de limpieza de solicitudes puede leer o ramificarse en esta memoria, permitiendo estrategias para lograr RCE.
    • CVE-2026-109619: Ciertos estados globales temporales que apuntan a la memoria de solicitudes no se restablecen correctamente o se repoblan tras su reseteo, apuntando a bloques de memoria ya liberados (Use-After-Free). Las solicitudes subsiguientes operan sobre este estado obsoleto antes de su inicialización completa, posibilitando la ejecución de código.
  • Escalada de Privilegios en LiteLLM (CVE-2026-40217): Esta vulnerabilidad permite a atacantes remotos autenticados ejecutar código arbitrario mediante la reescritura de bytecode a través del URI /guardrails/test_custom_code. Esto facilita la conversión de claves con privilegios limitados en credenciales de administrador.
  • Infraestructura de LLMjacking: Los atacantes monetizan los recursos comprometidos mediante “LLM Mixers”, pasarelas que distribuyen consultas a través de credenciales robadas y cuentas de servicio efímeras para eludir límites de velocidad (rate limits), generando cargos fraudulentos masivos en la nube.

Sistemas / Entornos Afectados

  • Entornos PHP: Servidores web que ejecutan versiones de PHP vulnerables a errores de gestión de memoria en contextos OOM y manipulación de estado global (ambas vulnerabilidades listadas en el catálogo CISA KEV).
  • Plataformas LiteLLM: Despliegues de LiteLLM hasta la versión con fecha de 2026-04-08 expuestos a la URI de pruebas de código personalizado.
  • Infraestructura Cloud y de IA: Proveedores de servicios en la nube, repositorios públicos de código fuente con credenciales filtradas y APIs de modelos de lenguaje expuestas sin autenticación robusta.

Mitigación y Detección

Remediación

  • Actualización de Software: Aplicar de inmediato los parches oficiales de seguridad publicados por el proyecto PHP para mitigar las vulnerabilidades de memoria (CVE-2026-109618 y CVE-2026-109619). Actualizar LiteLLM a las versiones corregidas provistas por el proveedor.
  • Gestión Estricta de Credenciales: Auditar repositorios públicos y entornos de desarrollo para evitar la filtración accidental de claves de API y tokens de sesión. Implementar rotación obligatoria de credenciales.
  • Control de Acceso y Rate Limiting: Restringir el acceso a endpoints administrativos y de pruebas en pasarelas de IA, implementando políticas estrictas de control de cuotas y monitoreo de consumo anómalo de recursos GPU.

Detección

  • Monitoreo de Comportamiento: Dado que los marcos de IA generan artefactos y patrones de tráfico distinguibles al operar de forma autónoma, es prioritario supervisar anomalías en llamadas a APIs, creación masiva y borrado de cuentas de servicio efímeras.
  • Reglas de Detección: Implementar reglas de SIEM y EDR basadas en los IOCs publicados por Google SecOps y Mandiant en relación con marcos como ARTEX, CAIRN y herramientas asociadas.

“Los atacantes han superado la fase de escritura manual de peticiones; la automatización mediante agentes de IA permite combinar técnicas tradicionales y escalar operaciones maliciosas con una velocidad que supera la capacidad de respuesta humana tradicional.”

Recapitulando

El informe de Google GTIG evidencia un punto de inflexión donde la inteligencia artificial deja de ser meramente un vector de contenido sintético para convertirse en el motor de ejecución autónoma de ciberataques. La combinación de marcos automatizados, la explotación acelerada de vulnerabilidades de tipo n-day en componentes críticos como PHP y LiteLLM, y la monetización a través de LLMjacking exigen a las organizaciones modernizar sus estrategias defensivas, priorizando la visibilidad comportamental sobre la mera detección de firmas estáticas.

Referencias