Seis capacidades que separan a los líderes de las soluciones de IA integradas – CYBERDEFENSA.MX

Crear una lista corta para una evaluación del SOC de IA puede resultar complicado. Los proveedores de SIEM, SOAR y AI SOC puro dicen lo mismo. Pero detrás de la misma etiqueta se encuentran productos muy diferentes, desde asistentes de chat integrados en un SIEM heredado hasta plataformas de agentes que ejecutan detección, clasificación, investigación y respuesta en su propia base de datos.

Que una plataforma cambie materialmente los resultados de su equipo es más importante que cómo se llama. Podemos medir eso en tiempo de investigación, volumen de falsos positivos, horas de analista devueltas, costo total de funcionamiento de su SOC y, finalmente, si la arquitectura aguantará dentro de 2 o 3 años a medida que el volumen, la velocidad y la complejidad de los ataques sigan aumentando.

¿Qué es una plataforma AI SOC?

Un AI SOC La plataforma es una plataforma de operaciones de seguridad donde los agentes de IA llevan a cabo el trabajo principal del SOC (detección, clasificación, investigación y respuesta) razonando sobre datos de seguridad correlacionados, bajo supervisión humana. Se diferencia de la IA integrada, que resume las alertas dentro de un SIEM existente mientras que el trabajo subyacente sigue siendo manual.

Los agentes que hacen el trabajo principal son a lo que se refieren los proveedores cuando dicen agente. La distinción puede parecer sutil en una hoja de datos, pero la prueba real se produce durante las pruebas de concepto.

¿Qué hace que un agente AI SOC sea predecible?

La previsibilidad separa la automatización del SOC en la que puede confiar de la automatización que usted cuida, y es una propiedad de los datos más que una propiedad del modelo. Un agente que solo resume las alertas puede trabajar únicamente desde la carga útil de la alerta. Un agente de confianza para cerrar alertas o tomar acciones de respuesta necesita tener mucho más contexto, como la entidad (identidad, recurso, dispositivo/activo) involucrada, cómo ha variado su configuración y cómo se ve lo normal para la entidad y muchos otros factores.

Las plataformas creadas para ese nivel de confianza mantienen un gráfico de conocimiento en tiempo real, un mapa continuamente actualizado de las identidades, recursos, configuraciones y líneas base de comportamiento en un entorno y las relaciones entre ellos, recopilados antes de que se active cualquier alerta. Basado en ese contexto, y junto con la arquitectura del modelo en capas cubierta en la lista de verificación a continuación, un agente arroja veredictos consistentes y respaldados por evidencia. La IA integrada funciona en la dirección opuesta, consultando registros sin procesar después de que llega una alerta, razón por la cual sus conclusiones a menudo no se mantienen bajo escrutinio. La amplitud es igualmente importante. Las plataformas más potentes añaden cobertura de detección para fuentes que nunca instrumentó, ejecutan búsquedas de amenazas continuamente y comienzan a responder mientras el incidente aún se está desarrollando.

Seis capacidades de AI SOC para probar antes de comprar

Cada capacidad a continuación se puede verificar durante una prueba de concepto, en su propio entorno o en vivo en una demostración del proveedor.

  1. Una base de datos correlacionados en tiempo real. Un veredicto de IA es tan bueno como el contexto detrás de él. Pregunte si los datos de identidad, configuración, recursos y línea de base están correlacionados continuamente (el enfoque del gráfico de conocimiento) o se ensamblan a partir de registros sin procesar en el momento de la consulta. La velocidad por sí sola demuestra poco; un motor de consultas rápido también regresa en segundos. En su lugar, elija una identidad al azar y comprenda sus permisos (administrador o no), deriva de configuración y línea base de comportamiento (ubicación normal, IP, ASN, agente de usuario, etc.). Nada de eso se puede falsificar en el momento de la consulta.
  2. Agentes de ciclo de vida completo. Haga que el proveedor recorra un incidente de principio a fin, desde la detección que lo creó hasta la clasificación, la investigación y una acción de respuesta, y observe si el contexto se transmite en cada paso o se vuelve a reunir. Muchas plataformas automatizan la clasificación de nivel 1 y se detienen ahí, lo que acelera la cola de alertas sin acelerar el SOC.
  3. Veredictos auditables y respaldados por evidencia. Solicite ver el rastro de evidencia detrás de un veredicto (cada línea de registro, correlación e inferencia que lo produjo) y confirme que sus analistas pueden reproducir el hallazgo a partir de los mismos datos. Un veredicto que no se puede auditar es una opinión.
  4. Cobertura de detección más allá del SIEM. Los incidentes reales cruzan la nube, SaaS, identidad y código, pero gran parte de esa telemetría nunca llega al SIEM porque su ingesta cuesta demasiado. Enumere las fuentes que su pila deja oscuras, como registros de auditoría de la nube de gran volumen, GitHub y Google Workspace, luego haga que el proveedor muestre una detección activa sobre ellos y una investigación sobre ellos.
  5. Autonomía escenificada con supervisión humana. La autonomía total desde el primer día es una señal de advertencia, al igual que una plataforma que nunca obtiene más que acceso de solo lectura. Investigue cómo se organiza la confianza, qué acciones comienzan como recomendaciones, qué registro de evidencia desbloquea la ejecución automática y dónde una persona aún aprueba. Confirme que puede ajustar esos umbrales por tipo de acción.
  6. Resultados mensurables. Defina los números antes de que comience la prueba de concepto: tasa de falsos positivos y tiempo medio para investigar y responder. Mida los resultados con respecto a su línea de base actual y pregunte a los clientes de referencia qué se movió en su primer trimestre. Si eventualmente desea que el proveedor lo ejecute por usted, confirme que el servicio administrado utilice el mismo producto que operaría su equipo.

Enfoque: Plataforma SOC Agentic de Exaforce

Una plataforma diseñada en torno a estas capacidades es Exaforce, una plataforma AI SOC agente cuyos cuatro Exabots cubren el ciclo de vida completo del SOC. Exabot Detect funciona como su ingeniero de detección de IA, Exabot Triage lleva cada alerta a un veredicto con profundidad de Nivel 3, Exabot Investigate reduce la barrera para que cualquiera pueda cazar amenazas y Exabot Respond coordina acciones a lo largo de la cadena de eliminación, con un humano aprobando cualquier cosa irreversible.

Los cuatro Exabots razonan sobre un plataforma unificada de datos en tiempo real que ingiere y enriquece los registros y la configuración en la nube, SaaS, identidad, punto final y código. Los analistas lo consultan todo en lenguaje sencillo a través de Exabot. La misma plataforma puede sustituir a un SIEM, menos los analizadores, el mantenimiento de tuberías y las contrataciones de expertos en SIEM que normalmente vienen con uno. Salud guardián convirtió a Exaforce en su SIEM y MDR principal. «Ya no escribo consultas. Sólo le pregunto a Exabot», dice Mike Shannon, director de ingeniería de seguridad de Guardant Health.

Los resultados medidos se corresponden con las capacidades anteriores. El corte invisible significa tiempo para investigar en un 95%llevando las investigaciones de horas o días a minutos. Punto de fuerza reemplazó un MSSP que necesitaba ayuda con Exaforce MDR y ahora tiene un tiempo medio de 14 minutos para responder a incidentes P0.

Tiene la opción de ejecutar la plataforma con su equipo interno o hacer que Exaforce la opere por usted a través de su oferta MDR. La arquitectura y los Exabots son idénticos en ambos sentidos; sólo cambia quién los opera.

¿Qué tan cerca está el SOC autónomo?

Ninguna plataforma, incluida Exaforce, hace que el SOC moderno sea un problema resuelto. La lucha es de IA contra IA, y no se ganará en los modelos de frontera sino en los datos sobre los que razonan los agentes. Los agentes basados ​​en datos en tiempo real correlacionados con identidad, activos/dispositivo, recursos afectados y comportamientos de referencia producen veredictos que se pueden predecir, reproducir y auditar, infundiendo confianza en los humanos para aprovechar la IA en el SOC.

Si está iniciando una evaluación, el manual propio de Exaforce, ¿Qué es un SOC de IA?es una lectura fundamental. Luego, coloque las seis capacidades anteriores frente a cada proveedor de su lista corta y solicitar una demostración para ver cómo Exaforce les responde.

¿Encontró interesante este artículo? Este artículo es una contribución de uno de nuestros valiosos socios. Síguenos en noticias de google, Gorjeo y LinkedIn para leer más contenido exclusivo que publicamos.

El nuevo marco de malware Avalon incluye capacidades de ransomware CrownX – CYBERDEFENSA.MX

Investigadores de ciberseguridad han descubierto un marco de malware modular previamente no documentado con nombre en código Ávalón que se distribuye mediante una cadena de phishing de varias etapas capaz de burlar los controles de seguridad tradicionales.

Avalon combina recopilación de credenciales, movimiento lateral, acceso remoto, interrupción de la recuperación y ejecución de ransomware, reuniendo diversas funciones bajo un mismo paraguas. El componente de ransomware se ha denominado internamente CrownX.

«El ataque comenzó con un correo electrónico con un documento legal falsificado que dirigía a los destinatarios a un archivo protegido con contraseña en Proton Drive», afirman los investigadores de Blackpoint Cyber, Nevan Beal y Sam Decker. dicho. «El contenido malicioso se incrustó dentro de una imagen ISO en lugar de adjuntarse directamente, lo que redujo la probabilidad de detección en la capa de correo electrónico».

Si el destinatario del correo electrónico interactúa con un acceso directo de Windows con tema de documento («Documento seguro CA-283505.pdf.lnk») dentro de la imagen montada, se desencadena una secuencia de malware preparada que culmina con la implementación de Avalon. Específicamente, el acceso directo ejecuta un comando para iniciar un proyecto de MSBuild ubicado en la imagen ISO.

El proyecto MSBuild, por su parte, carga un ensamblado .NET integrado, que luego interfiere con el funcionamiento normal de Event Tracing para Windows (ETW) para reducir la visibilidad forense y descargar una carga útil de la siguiente etapa a través de HTTPS responsable del lanzamiento de Avalon.

Ciberseguridad

El marco de malware cuenta con un extenso subsistema de evasión de defensa que tiene como objetivo evadir la detección, al tiempo que incorpora métodos específicos para ocultar la ejecución de las herramientas de seguridad asociadas con Microsoft Defender, SentinelOne, CrowdStrike, Sophos, Elastic Endpoint, FortiEDR, ESET, McAfee y Bitdefender.

«Estas capacidades le dan al marco una multitud de formas de reducir la telemetría, evitar el monitoreo del modo de usuario y ajustar su ejecución dependiendo de los controles defensivos presentes en el host», dijeron los investigadores.

El conjunto completo de funciones integradas en Avalon es el siguiente:

  • Obtenga credenciales, cookies, historial y marcadores de navegadores basados ​​en Chromium y Mozilla Firefox.
  • Recopile datos de aplicaciones de billeteras de criptomonedas como MetaMask, Phantom, Coinbase Wallet, Exodus, Electrum, Atomic Wallet, Ledger Live y Bitcoin Core, junto con Discord, Slack, Teams, OpenVPN, WireGuard y Windows Credential Manager.
  • Recopile detalles sobre hosts conocidos de SSH, conexiones RDP guardadas, perfiles de Wi-Fi y artefactos de contraseña de preferencias de política de grupo.
  • Exfiltrar datos a un servidor remoto («helloxcherry[.]com») y sondea el servidor para recibir comandos de tareas.
  • Realice reconocimientos y priorice sistemas que puedan ampliar el alcance del compromiso.
  • Cifre archivos asociados con operaciones comerciales, desarrollo de software, ingeniería, almacenamiento de datos e infraestructura virtual mediante Windows. API de criptografía y entregar una nota de rescate que contenga instrucciones de pago y temporizadores de fecha límite que muestren cuánto tiempo queda antes de que se aumente el monto del rescate.
  • Inhiba la recuperación del sistema finalizando el Servicio de instantáneas de volumen y eliminando las instantáneas.
  • Elimine rastros de artefactos utilizando un subsistema de limpieza antiforense para complicar los esfuerzos de respuesta a incidentes.
  • Interactúa directamente con las estructuras del disco, probablemente en un esfuerzo por dañar la información de la partición, los registros de arranque u otras áreas críticas de la unidad, lo que efectivamente inutiliza el sistema.

«CrownX representó la etapa final de extorsión, pero el daño se extendió mucho más allá del cifrado en sí», dijo la compañía. «Para cuando apareció la nota de rescate, el marco más amplio ya había recopilado credenciales, establecido comunicaciones C2, preparado múltiples caminos para el movimiento lateral y debilitado las opciones de recuperación local».

Otro detalle importante es que Avalon muestra signos de desarrollo asistido por inteligencia artificial (IA), un desarrollo que ha ensamblado múltiples componentes sin tener en cuenta las técnicas sofisticadas o la seguridad operativa, algo que requiere una experiencia significativa para construir.

Los hallazgos son otra señal más de cómo la IA puede reducir la barrera de entrada, haciendo que el desarrollo de malware sea más accesible con poco tiempo y esfuerzo, e incluso permitiendo a actores con poca experiencia técnica y recursos idear herramientas que pueden requerir un gran esfuerzo de desarrollo. En otras palabras, la presencia de una determinada capacidad ya no es un indicador confiable de la sofisticación o madurez operativa de un actor de amenazas.

«La cadena de destrucción ilustra cómo un atractivo comercial familiar puede progresar hacia un marco reutilizable y de múltiples capacidades diseñado para recolectar credenciales, recuperar cargas útiles posteriores completamente en la memoria y organizar múltiples acciones de seguimiento desde un único punto final comprometido», dijo Blackpoint Cyber.

LLM detrás de un ataque de ransomware agente

La divulgación se produce cuando Sysdig detalló lo que dijo fue la primera infección de ransomware agente documentada públicamente impulsada por un modelo de lenguaje grande de principio a fin, mientras reintentaba y ajustaba sus acciones en tiempo real para completar tareas. El actor de amenaza agente (ATA) detrás de la operación recibió el nombre en código JADEPUFFER.

El operador «obtuvo acceso inicial a una instancia de Langflow orientada a Internet a través de CVE-2025-3248 y ejecutó una campaña adaptativa y totalmente automatizada, que finalmente giró hacia el objetivo previsto y ejecutó un manual destructivo de extorsión de bases de datos contra el servidor de bases de datos de producción de la víctima», dijo Michael Clark de Sysdig.

Ciberseguridad

«Las habilidades para ejecutar ransomware se han reducido a lo que cueste ejecutar un agente, y si ese agente se ejecuta con credenciales robadas a través de LLMjacking, el costo para un atacante es cercano a cero».

Malware de IA que utiliza LLM en un ataque sin código

Los hallazgos también siguen al descubrimiento de un malware de inteligencia artificial que combina un bot de Telegram con una API pública de LLM para diseñar un ataque sin código. Una vez lanzado, el implante transmite detalles básicos sobre el sistema comprometido al bot de Telegram del atacante y entra en un bucle de comando y control (C2) que sondea la API del bot cada 5 segundos en busca de nuevos mensajes. Los resultados de la ejecución del comando se extraen utilizando el mismo canal.

La especialidad de este malware es que cada mensaje del operador se reenvía a un punto final público de la API LLM («api.groq[.]com/openai/v1/chat/completions»), que luego traduce las instrucciones en lenguaje natural proporcionadas por el atacante a su comando de shell equivalente. El artefacto fue subido a la plataforma VirusTotal el 11 de marzo de 2026 y hasta la fecha no ha tenido detecciones en todos los motores.

«Este trabajo introduce una capa de traducción LLM que reemplaza la sintaxis del shell con texto sin formato. El atacante escribe instrucciones de texto sin formato en Telegram», Unidad 42 de Palo Alto Networks dicho. «El LLM traduce las instrucciones en comandos de shell. Y la víctima ejecuta los comandos de shell. No se requieren conocimientos de línea de comandos».

Anthropic acusa a los laboratorios chinos de intentar apoderarse ilícitamente de las capacidades de Claude

Anthropic acusó el lunes a tres laboratorios chinos de inteligencia artificial de intentar desviar sigilosamente las capacidades de Claude para sus propios modelos, potencialmente de una manera que podría impulsar operaciones cibernéticas ofensivas.

La startup estadounidense de inteligencia artificial dijo que los tres laboratorios, DeepSeek, Moonshot y MiniMax, realizaron “campañas a escala industrial” con una táctica conocida como “destilación”. Implica enviar solicitudes masivas a su modelo Claude en un intento por impulsar las suyas propias (en este caso, 16 millones en total). La destilación puede ser una práctica legítima como método de capacitación, dijo la compañía en una publicación de blogpero no cuando se utiliza como atajo para quitar capacidades a los competidores.

“Los modelos elaborados ilícitamente carecen de las salvaguardias necesarias, lo que crea importantes riesgos para la seguridad nacional”, argumentó Anthropic. “Los laboratorios extranjeros que destilan modelos estadounidenses pueden luego incorporar estas capacidades desprotegidas a sistemas militares, de inteligencia y de vigilancia, permitiendo a los gobiernos autoritarios desplegar IA de frontera para operaciones cibernéticas ofensivas, campañas de desinformación y vigilancia masiva”.

No es la primera vez que Anthropic advierte sobre las amenazas chinas derivadas del uso de Claude por parte de la nación. Y Anthropic combinó sus revelaciones sobre la campaña de destilación con repitiendo su llamada para controles más estrictos a las exportaciones.

OpenAI también tiene acusó a DeepSeek de utilizar técnicas de destilación. CyberScoop no pudo comunicarse de inmediato con los tres laboratorios chinos para comentar sobre las afirmaciones de Anthropic.

«Las tres campañas de destilación… siguieron un manual similar, utilizando cuentas fraudulentas y servicios de proxy para acceder a Claude a escala mientras evadían la detección», dijo Anthropic. «El volumen, la estructura y el enfoque de las indicaciones eran distintos de los patrones de uso normales, lo que reflejaba una extracción deliberada de capacidades en lugar de un uso legítimo».

En total, los laboratorios utilizaron 24.000 cuentas fraudulentas, dijo Anthropic. DeepSeek fue responsable de 150.000 de los intercambios, en comparación con 3,4 millones de Moonshot y 13 millones de MiniMax, según la startup. La actividad violó los términos de servicio y las restricciones de acceso regional, dijo.

Lo que hace que la táctica sea ilegítima es que esencialmente roba la propiedad intelectual, la potencia informática y el esfuerzo de Anthropic, dijo Gal Elbaz, cofundador y director de tecnología de Oligo Security, que se anuncia a sí misma como una empresa de seguridad de tiempo de ejecución de IA.

«Lo aterrador es que puedes tomar todo el poder y liberarlo, porque no tienes a nadie que realmente haga cumplir esas barreras en el otro lado», dijo Elbaz a CyberScoop sobre los temores que Anthropic generó sobre los laboratorios que alimentan los ciberataques.

Las propias empresas de IA se han enfrentado a acusaciones de que están robando datos e propiedad intelectual de otros para impulsar sus modelos.

Tim Starks

Escrito por Tim Starks

Tim Starks es reportero senior de CyberScoop. Sus paradas anteriores incluyen trabajar en The Washington Post, POLITICO y Congressional Quarterly. Originario de Evansville, Indiana, se ocupa de la ciberseguridad desde 2003. Envíe un correo electrónico a Tim aquí: tim.starks@cyberscoop.com.