CLOSEDQUORUM: malware en Windows que usa LLMs para decidir sus acciones

Cisco Talos ha publicado el análisis de CLOSEDQUORUM, un malware para Windows que, según la empresa, es el primer implante documentado públicamente capaz de utilizar modelos de lenguaje de gran tamaño (LLM) para tomar decisiones autónomas sobre sus acciones tras la compromisión. El software, escrito en Go, consulta a cuatro proveedores de IA: Google Gemini, DeepSeek, Qwen y Mistral. Estos modelos votan por separado qué acción debe ejecutar el siguiente paso del ataque, eliminando la necesidad de que un operador humano envíe comandos en tiempo real.

El mecanismo de decisión opera mediante un sistema de quórum. Si hay empate en la votación de los cuatro modelos, DeepSeek tiene prioridad, seguido por Qwen, Mistral y Gemini. El malware solo puede seleccionar entre un set predefinido de módulos: 'Steal' (que volca la memoria de LSASS para extraer credenciales de Windows, roba contraseñas guardadas en Chrome, Edge y Firefox, y extrae datos de billeteras cripto como MetaMask y Exodus), 'Inject' (que genera shellcode y lo inyecta mediante process hollowing o Early Bird injection) y 'Persist' (que establece persistencia en el sistema).

Talos descubre el binario utilizando su nueva herramienta CAIRN (Cognitive Artifact Intelligence Research Network), un kit de búsqueda y clasificación de malware integrado con IA que también ha puesto a disposición de la comunidad como repositorio open source. Aunque no se han observado despliegues activos en el mundo real, los artefactos del binario vinculan al desarrollador con publicaciones en foros criminales relacionados con carding desde 2025. Se cree que el creador proporciona a cada operador un ejecutable personalizado con sus propias claves de API de LLM y webhook de Discord inyectadas en tiempo de compilación.

Para la detección, Ryan Fetterman, analista de Talos, advierte que bloquear dominios no es eficaz, ya que las aplicaciones legítimas también pueden contactar con esos proveedores de IA. La estrategia más útil es la detección basada en el comportamiento: buscar procesos que contacten con múltiples proveedores de LLM mientras acceden a LSASS, inyectan código en procesos suspendidos o crean persistencia mediante WMI. Dado que las decisiones están limitadas por un system prompt extraído del binario, la superficie de acción es finita, pero la capacidad de continuar la intrusión sin supervisión humana escala la velocidad y el alcance de los ataques.