Hackers conectaron a Claude y GPT‑4.1 directamente a ataques; sus propios servidores los delataron.

La IA dio a los hackers velocidad y nuevas capacidades técnicas, pero no añadió prudencia. Los investigadores de Unit 42 analizaron dos campañas activas en América Latina, donde los atacantes recurrieron a grandes modelos de lenguaje durante los ataques, y luego revelaron a los investigadores su infraestructura, historial de operaciones y conjunto de scripts.

Unit 42 identifica al primer grupo como CL-CRI-1131. La campaña afectó a una empresa de transporte, agencias federales y empresas municipales de agua en México y Ecuador. Durante uno de los intrusos en abril, los atacantes intentaron repetidamente obtener los archivos SAM y NTDS.dit con credenciales de Windows, se encontraron con errores y reescribieron sucesivamente archivos de comandos hasta que encontraron una variante funcional mediante copias en sombra de los discos.

En un servidor del mismo grupo, los investigadores encontraron NextChat abierto, una interfaz web para trabajar simultáneamente con varios modelos de lenguaje. Otros equipos ya habían analizado previamente la infraestructura relacionada y detectaron el uso de Claude y GPT-4.1 para buscar soluciones a los problemas surgidos durante los ataques. Unit 42 considera que los modelos ayudaban a los atacantes a crear nuevos scripts después de intentos fallidos de extraer datos.

La segunda campaña, CL-CRI-1163, se dirigió al sector financiero de Brasil. Los atacantes obtuvieron el acceso inicial mediante un correo de phishing con un currículum, tras lo cual instalaron varios troyanos de acceso remoto y empezaron a desplegar la herramienta SockTz, escrita en Go. El programa crea un proxy SOCKS5 inverso, a través del cual se puede trazar una ruta oculta hacia la red interna de la víctima.

La instalación salió mal. En apenas dos horas los atacantes probaron SockTz desde la versión uno hasta la ocho, subiendo archivos desde un sitio de WordPress comprometido. Cuando los intentos fallaron, el grupo pasó a su propio servidor y lanzó la compilación nueve. En un directorio abierto, los investigadores encontraron a la vez cientos de archivos operativos, incluidos scripts llamados exploit_creative.py, exploit_careful.py y rce_focused.py. Unit 42 relaciona ese flujo de variantes modificadas sucesivamente con el desarrollo asistido por modelos de lenguaje.

En ambos casos la IA no inventó un método de intrusión fundamentalmente nuevo. Los modelos ayudaron a escribir código más rápido, configurar proxies, corregir errores y continuar el ataque después de comandos fallidos. Unit 42 observó recientemente un panorama similar en otra investigación, donde un operador con agentes de IA realizó un ataque utilizando más de 50 técnicas del marco MITRE ATT&CK en menos de diez horas.

La principal debilidad de las nuevas campañas resultó ser humana. En la investigación publicada, Unit 42 señala directorios abiertos, un NextChat sin protección y una estructura de certificados y archivos demasiado predecible. A través de esos errores, los especialistas pudieron reconstruir la lógica interna de las operaciones, ver los objetivos preparados y rastrear la evolución de la infraestructura.

Los investigadores consideran que esos errores son especialmente útiles para los defensores a medida que la IA se difunde entre grupos menos experimentados. Las redes neuronales reducen la brecha en habilidades técnicas y permiten superar más rápidamente obstáculos puntuales; sin embargo, la seguridad operativa básica sigue dependiendo de las personas. Mientras los atacantes dejen paneles administrativos y directorios de trabajo accesibles desde Internet, incluso los ataques más rápidos seguirán dejando un rastro muy visible.