2026-11-03 · Fuente:虎嗅·中继

Tras la fuga de datos de 25.000 clientes, los grandes modelos de lenguaje han reducido el umbral técnico de los ciberataques a niveles nunca vistos.
Los nombres, teléfonos, ingresos anuales y límites de crédito de unos 25.000 clientes son la lista de datos filtrados por Shinhan Bank en esta ola de ataques. El 7 de octubre, CrowdStrike publicó un informe que revela que al menos siete instituciones financieras surcoreanas, entre ellas Shinhan Bank, KB Kookmin Bank y Hana Bank, sufrieron filtraciones de datos. Los atacantes eludieron la autenticación de identidad y accedieron a los sistemas de Shinhan a través de un servicio de consultas utilizado por intermediarios de préstamos; en KB Kookmin Bank y Hana Bank se vieron comprometidos los datos de 119 y 89 personas respectivamente, y la puerta de entrada en el primer caso fue el sistema de soporte de movilidad para empleados.
La verdadera clave de este incidente es la cadena de herramientas: según el informe de CrowdStrike, los atacantes emplearon la herramienta de pruebas de penetración asistida por IA ARTEX, con DeepSeek como backend principal de modelo, y se apoyaron además en Claude Code: un ataque financiero real impulsado por modelos de lenguaje de uso general ya es una realidad.
La "autodelación" del atacante resulta aún más reveladora. Los investigadores hallaron en el servidor que controlaba un directorio abierto con el historial de sesiones de Claude Code, configuraciones de ARTEX y archivos de memoria: preguntó a Claude dónde suelen venderse los datos filtrados de Corea del Sur, le pidió ayuda para encontrar grupos de compraventa de datos en Telegram e incluso solicitó a la IA que redactara los "resultados" obtenidos con ARTEX en un currículum de investigador de seguridad, con nombre, datos de contacto, edad, universidad y lugar de residencia. El perfil resultante es nítido: estudiante universitario, no un hacker profesional, con conocimientos limitados del ecosistema de Telegram y de la dark web.
Antes el umbral era mucho más alto. Para completar de forma independiente una penetración web había que dominar el protocolo HTTP, la autenticación y la gestión de sesiones, el control de accesos, y distinguir las causas de vulnerabilidades como la inyección SQL, el cross-site scripting o la inclusión de archivos; había que saber evaluar la fiabilidad de los resultados de Nmap, mantener el estado de sesión al modificar y reenviar paquetes con Burp Suite, y editar código Python para depurar el entorno. Lo más difícil era la verificación: un error en la página no confirma una vulnerabilidad, las alertas del escáner pueden ser falsos positivos, y el blind injection es justamente el caso sin errores visibles.
Esa capacidad de juicio era la barrera natural de entrada al sector, y hoy los grandes modelos de lenguaje la están borrando a gran velocidad. Como apunta la fuente: mientras la IA elimina puestos de desarrollo de software, está a punto de incorporar a un lote de profesionales de la ciberseguridad.
Etiquetas: CrowdStrike · DeepSeek · Claude Code · ARTEX · Cybersecurity · AI Hacking
萬安算交所 AIXX · AIXX · Exchange verificado · Ir al mercado