La ofensiva: la IA como multiplicador de fuerza para los adversarios
Los adversarios nunca han tenido reparos en abusar de la tecnología nueva. Mientras los desarrolladores éticos pasaron 2024 y 2025 construyendo barreras de protección, los actores de amenazas pasaron ese mismo tiempo buscando cómo evadirlas. La democratización de los LLM potentes ha reducido la barrera de entrada para ataques complejos y ha convertido a script kiddies en operadores mucho más capaces.
1. LLM maliciosos: de WormGPT a modelos tipo DarkBART
La aparición de modelos como WormGPT y sus sucesores marcó un cambio claro. Son LLM efectivamente "liberados" (jailbroken), entrenados con código de malware, análisis de exploits y plantillas de phishing, sin las restricciones éticas de las herramientas convencionales.
En lugar de simplemente ayudar a un atacante a redactar un correo de phishing genérico, los LLM maliciosos ahora generan señuelos hiperpersonalizados y conscientes del contexto, ajustados al rol, la región y la jerga interna del objetivo. Eliminan las señales de alerta clásicas (mala gramática, frases raras), lo que facilita mucho que estos mensajes burlen las puertas de enlace de correo seguro (SEG) tradicionales y engañen incluso a usuarios experimentados.
2. Ingeniería social potenciada por IA y deepfakes
Hemos entrado en la era de la ingeniería social potenciada por tecnología. El ya conocido caso del "CFO deepfake" de Hong Kong, donde engañaron a un empleado para que autorizara una gran transferencia bancaria durante una videollamada en la que los "colegas" eran falsificaciones generadas por IA, ya no es un caso aislado. Es un adelanto.
La ingeniería social actual combina:
Clonación de voz en tiempo real para suplantar a ejecutivos o proveedores en llamadas.
Síntesis de video e intercambio de rostros para falsificar presencia en reuniones.
Guiones y correos escritos por LLM que sostienen estafas prolongadas con un tono coherente y detalles creíbles.
Estos ataques multimodales ponen en jaque directamente la confianza humana. Para profundizar en cómo los deepfakes y la IA generativa están cambiando el tradecraft de la ingeniería social y cómo se están invirtiendo los procesos de verificación, consulta nuestra Guía de ingeniería social y el resumen de nuestro Tradecraft Tuesday sobre IA: ¿amiga o enemiga en la ciberseguridad?.
3. Malware polimórfico e investigación automatizada de vulnerabilidades
Los atacantes también usan IA generativa para automatizar algunas de las partes más intensivas en mano de obra de la cadena de ataque.
Malware polimórfico:
Como mencionamos en nuestra guía sobre virus polimórficos, el malware polimórfico muta su código o apariencia en cada ejecución, manteniendo intacto su comportamiento malicioso. Ahora la IA generativa puede, de forma dinámica:Reescribir la estructura del código y las rutinas de cifrado
Rotar claves y estrategias de ofuscación
Generar muchas variantes ligeramente distintas a pedido
Esto hace que las defensas simples basadas en firmas sean prácticamente inútiles. La detección tiene que pasar al comportamiento, la telemetría y el análisis guiado por personas, en lugar de hashes estáticos.
Investigación automatizada de vulnerabilidades ("vibe coding" para exploits):
Los adversarios están alimentando grandes bases de código propietario a los LLM para identificar posibles debilidades a una escala que los humanos no pueden igualar. En algunos casos, los modelos pueden proponer patrones de exploits o pruebas de concepto directamente, acortando drásticamente el tiempo entre el descubrimiento de un error y su weaponization. Eso es "vibe coding" aplicado a la seguridad ofensiva.
4. La IA cambia la economía del ataque: el Caso de cliente EvilTokens
Una de las señales más claras de que la IA generativa ha cambiado la economía del ataque no es un artículo de investigación, sino un producto que se vende en Telegram. A principios de 2026, los investigadores de Huntress rastrearon una ola de incidentes de phishing por código de dispositivo hasta EvilTokens, una plataforma con modelo de phishing como servicio anunciada por $1.500 más una cuota de mantenimiento de $500.
Durante un período de 16 días, EvilTokens afectó a 344 organizaciones en cinco países al abusar de un flujo legítimo de autenticación por código de dispositivo de Microsoft. No había ninguna contraseña que robar, ningún malware que implementar ni ningún mecanismo de MFA que vulnerar. En cambio, se persuadía a las víctimas de autorizar la sesión del atacante mediante un proceso que les parecía normal.
La IA ayudó a que ese flujo de trabajo fuera más rápido y escalable. EvilTokens generaba señuelos específicos por rol y contextualmente relevantes a velocidad de máquina, generaba códigos de dispositivo de forma dinámica cuando los usuarios llegaban a la página de phishing y usaba el contexto de bandeja de entrada, calendario y documentos para redactar correos de fraude por transferencia convincentes, con la voz de la víctima, en cuestión de minutos tras capturar el token de autenticación. Lo que antes requería horas de trabajo de un ingeniero social experto, ahora podía comprimirse en minutos.
Ese es el verdadero cambio. EvilTokens no necesitó inventar una técnica de autenticación nueva. Empaquetó una existente con automatización asistida por IA, la vendió como servicio y redujo el costo de entrada para ejecutar una campaña de phishing dirigida a alrededor de $2.000, antes de otros gastos operativos. La barrera ya no es solo la habilidad técnica; es el acceso a una plataforma lista para usar y el presupuesto para usarla.
5. La confianza ahora es una superficie de ataque
A medida que las herramientas de IA se vuelven parte de los flujos de trabajo diarios, los atacantes apuntan directamente a la confianza que las personas depositan en esas herramientas, usando marcas conocidas, dominios legítimos y funciones de plataformas confiables para hacer que las acciones maliciosas parezcan rutinarias.
Entre el 21 y el 22 de julio de 2026, Huntress documentó FakeAgent, una campaña de malvertising que usó resultados patrocinados de Bing para dirigir a los usuarios hacia un Artifact público malicioso de Claude, alojado en el dominio legítimo Claude.ai. El Artifact redirigía a los usuarios hacia una descarga falsa de Claude Desktop, y el payload resultante se atribuyó a SectopRAT. Al menos 29 organizaciones fueron víctimas de la campaña, y el Artifact recibió 7.100 vistas de página antes de ser eliminado.
En una investigación distinta realizada en julio, Huntress aplicó ingeniería inversa a MacSync, un stealer y troyano de acceso remoto para macOS de seis etapas. La víctima buscó en Google cómo instalar Claude en una Mac, hizo clic en un resultado patrocinado y llegó a una conversación de claude.ai/share weaponized, diseñada como una guía de instalación de Apple Support. La página indicaba a la víctima que pegara un único comando en la Terminal, lo que activaba una cadena diseñada para robar datos del navegador, secretos de Keychain, credenciales de cuenta, claves de cloud y SSH, e información de billeteras de criptomoneda.
Ninguna de las dos campañas requirió que los atacantes vulneraran el servicio de IA subyacente. En cambio, ambas abusaron de las señales de confianza que rodean a las herramientas de IA: dominios legítimos, publicaciones compartidas públicamente, resultados de búsqueda patrocinados y flujos de instalación conocidos. A medida que las plataformas de IA se vuelven tan habituales como los motores de búsqueda, los atacantes seguirán falsificando esa familiaridad en lugar de intentar vulnerar la tecnología que hay detrás.
