Unit 42 documenta una intrusión dirigida por un atacante humano que delegó buena parte de la ejecución táctica en sistemas de inteligencia artificial.
📌 En resumen
- La red empresarial quedó comprometida en menos de diez horas.
- Unit 42 estima que una operación comparable ejecutada manualmente habría requerido alrededor de dos semanas.
- Los agentes buscaron credenciales, comprobaron accesos y avanzaron por entornos cloud, identidad y CI/CD.
- El atacante mantuvo el control estratégico y no se han revelado los modelos de IA utilizados.
Un operador de ransomware utilizó modelos avanzados y herramientas agénticas para comprometer una red empresarial en menos de diez horas. El incidente, investigado por Unit 42, muestra cómo la inteligencia artificial puede acelerar una intrusión sin necesidad de recurrir a una vulnerabilidad zero-day desconocida.
La unidad de inteligencia y respuesta a incidentes de Palo Alto Networks calcula que un equipo humano podría haber necesitado alrededor de dos semanas para desarrollar una operación comparable. La diferencia no estuvo tanto en la sofisticación de las técnicas como en la capacidad de automatizar tareas y ejecutarlas simultáneamente.
No se trató de un ataque completamente autónomo. El ciberdelincuente mantuvo el control de los objetivos y las decisiones estratégicas, mientras los agentes se encargaban de buena parte del trabajo táctico. Según Unit 42, la operación llegó a utilizar más de 50 técnicas incluidas en el marco MITRE ATT&CK.
El acceso inicial comenzó en una API expuesta
La intrusión arrancó con el reconocimiento de la infraestructura de la víctima. Los atacantes comprometieron un endpoint de una API pública y lo utilizaron como punto de entrada hacia la red corporativa.
Una vez dentro, un agente automatizado empezó a identificar los microservicios disponibles. Otros agentes revisaron repositorios de código en busca de tokens, contraseñas y datos que permitieran acceder a nuevos sistemas.
Las credenciales encontradas facilitaron la entrada en el gestor de secretos utilizado por la organización. Desde allí, los atacantes consiguieron credenciales administrativas maestras y alcanzaron privilegios raíz, ampliando considerablemente el alcance de la intrusión.
Esta cadena demuestra cómo una contraseña o un token expuesto en un repositorio puede convertirse en el primer eslabón de un compromiso mucho mayor. La IA no creó una técnica nueva, pero redujo el tiempo necesario para localizar el dato sensible, probarlo y utilizarlo en otros entornos.
Los agentes avanzaron por la nube, la identidad y el CI/CD
Agentes especializados comprobaron los permisos disponibles y buscaron nuevas rutas dentro de la infraestructura. La actividad alcanzó servicios cloud, sistemas de identidad, contenedores, aplicaciones SaaS y herramientas de integración y despliegue continuo.
Los atacantes también comprometieron flujos de trabajo de CI/CD para obtener claves de acceso a la nube. Esto les permitió utilizar recursos informáticos de la propia víctima como infraestructura posterior al compromiso y ocultar parte del tráfico entre operaciones que podían parecer legítimas.
Sin embargo, no todos sus intentos tuvieron éxito. Las protecciones aplicadas a determinadas ramas del código bloquearon un intento de introducir cambios maliciosos en archivos de Terraform. El caso muestra que controles preventivos relativamente convencionales, como exigir revisiones y proteger las ramas críticas, siguen siendo eficaces frente a operaciones aceleradas mediante IA.
Una auditoría de seguridad de 80 páginas
Después de alcanzar los objetivos definidos por el operador, uno de los agentes generó una auditoría de seguridad de aproximadamente 80 páginas. El documento recogía decenas de deficiencias descubiertas y aprovechadas durante el ataque.
La existencia del informe refleja la capacidad de estos sistemas para recopilar y estructurar grandes cantidades de información durante una intrusión. No convierte la operación en una auditoría legítima: el acceso se produjo sin autorización y las vulnerabilidades se utilizaron para comprometer los sistemas de la empresa.
Unit 42 atribuye el uso de modelos avanzados y marcos agénticos a lo que el propio atacante comunicó durante las negociaciones. Palo Alto Networks no ha identificado públicamente los modelos ni las herramientas concretas empleadas, una limitación relevante al evaluar el grado exacto de autonomía de la operación.
La respuesta manual puede llegar demasiado tarde
La principal consecuencia del caso es la reducción del margen disponible para detectar y contener un ataque. Cuando varios agentes trabajan simultáneamente, cerrar un acceso puede resultar insuficiente si otros ya han conseguido credenciales o se han desplazado hacia servicios diferentes.
Palo Alto Networks recomienda desplegar procedimientos automatizados capaces de revocar credenciales, finalizar sesiones OAuth, congelar pipelines de CI/CD y aislar cuentas cloud de forma coordinada.
Las organizaciones también deberían mantener un inventario actualizado de los endpoints de modelos, las claves API, las integraciones con herramientas de IA y los gateways asociados al Model Context Protocol. Estos componentes ya forman parte de la superficie de ataque empresarial.
La aplicación del mínimo privilegio, el uso de credenciales de corta duración, la protección de ramas de código y la correlación de registros entre API, repositorios, identidad y servicios cloud pueden limitar el avance de una intrusión. La conclusión del incidente no es que las defensas tradicionales hayan dejado de funcionar, sino que deben detectar y responder a una velocidad mucho mayor.
