Hackers adoptan frameworks multiagente para robo masivo de credenciales
Los actores de amenaza están migrando de asistentes de código basados en IA a sistemas multiagente que automatizan todo el ciclo de ataque, reduciendo la intervención humana.
Threat actors are increasingly switching from AI-powered coding assistants to multi-agent frameworks that automate every stage of an attack. Drawing on telemetry from Mandiant's incident response engagements, threat actor tracking, and live platform defenses, the Google Threat Intelligence Group (GTIG) observed AI agents coordinating multiple attack tasks, troubleshooting failures, and adapting their actions with minimal human intervention.
Automatización de la cadena de ataque
En el último trimestre, los grupos de amenazas han pasado de interacciones basadas en prompts a integrar capacidades de IA en cada fase del ciclo de ataque. La automatización script‑based ha sido estándar, pero ahora se están construyendo flujos de trabajo altamente autónomos que pueden razonar sobre tareas complejas y tomar decisiones dinámicas sin supervisión humana.
Un caso concreto: un atacante motivado financieramente comprometió la infraestructura cloud de una organización y, en menos de seis horas, planificó, construyó y desplegó una campaña de robo masivo de credenciales usando un chatbot de codificación AI, un prompt y instrucciones en markdown para un agente. Los agentes AI gestionaron la tubería de escaneo de vulnerabilidades, robaron miles de credenciales de terceros, solucionaron problemas en tiempo real, rotaron IP y canalizaron el tráfico de ataque a través de entornos cloud comprometidos para evadir detección.
Otro incidente reveló un servidor de comando y control (C2) expuesto que alojaba un framework de reconocimiento y gestión de credenciales llamado “Recon”. Sus archivos contenían instrucciones para agentes AI, archivos de conocimiento y artefactos OpenClaw que gestionaban en tiempo real más de 23 800 secretos, como claves API.
Uso por actores estatales
Los actores de ciberespionaje vinculados a China y Rusia también experimentan con herramientas de desarrollo AI para construir pipelines de explotación y post‑explotación asistidos por IA. Los grupos como UNC5792 integran modelos AI para automatizar bots de monitoreo que buscan en canales de Telegram información de interés gubernamental. Sin embargo, GTIG señala que la plena autonomía no se ha generalizado; no se han detectado pipelines totalmente autónomos para descubrimiento de vulnerabilidades zero‑day o explotación de redes en el mundo real.
Google reporta que su modelo Gemini ha identificado y detenido muchas de estas actividades abusivas, activando protocolos de seguridad que permitieron a la compañía interrumpir campañas y prohibir cuentas asociadas.
Implicaciones operativas
Una vez que un atacante posee credenciales válidas, solo el 37 % de sus acciones son bloqueadas. La reducción de la intervención humana acelera la ventana de respuesta, haciendo que los defensores tengan menos tiempo para reaccionar. El reporte Blue 2026 mide defensas por técnica en 338 millones de simulaciones en entornos de producción.
Próximos pasos
Los frameworks multiagente representan un salto significativo en la sofisticación de los ataques. Los equipos de seguridad deben revisar sus controles de acceso a la nube, fortalecer la supervisión de tráfico interno y adoptar herramientas que detecten patrones de comportamiento anómalos generados por IA. La colaboración con proveedores de IA, como Google, para mejorar los filtros de seguridad y compartir indicadores de amenaza será crucial para contrarrestar esta nueva generación de atacantes.
