Un ciberdelincuente de habla china habría utilizado diferentes agentes de inteligencia artificial para lanzar ataques simultáneos contra alrededor de un centenar de organizaciones.
La campaña, desarrollada durante apenas cinco días de septiembre, permitió comprometer al menos 30 páginas web y recopilar información correspondiente a más de 600.000 tarjetas de crédito.
La investigación de Gambit Security apunta al uso combinado de modelos de Anthropic, DeepSeek y Kimi, desarrollado por Moonshot AI. El coste de toda la operación habría rondado los 8.000 dólares, con cantidades de entre 3 y 180 dólares por cada objetivo.
Más de 600.000 tarjetas recopiladas
La infraestructura empleada por el atacante quedó accidentalmente expuesta en Internet, circunstancia que permitió a los investigadores acceder a registros, instrucciones, herramientas y parte de los datos obtenidos.
En el servidor se localizaron datos correspondientes a unas 618.000 tarjetas de crédito. Aproximadamente 488.000 pertenecían a ciudadanos estadounidenses. Overwatch Data analizó la información y determinó que los registros eran únicos y legítimos, aunque se desconoce cuántas tarjetas llegaron a utilizarse fraudulentamente.
Entre los objetivos figuraban compañías de dimensiones muy diferentes: una multinacional hotelera estadounidense con más de 10.000 millones de dólares de ingresos anuales, una gran aerolínea y un comercio electrónico de moda que supera los 1.000 millones de dólares de facturación.
“El número de objetivos y la sofisticación de cada una de las empresas atacadas es asombrosa para tan poco tiempo”, señala Sa’ar Elias, cofundador de Gambit Security.
Agentes de IA capaces de adaptar cada ataque
El ciberdelincuente llevaba preparando su infraestructura al menos desde julio y recurrió a herramientas de código abierto para coordinar diferentes agentes de IA. El sistema podía recibir una página web como objetivo, analizar posibles vulnerabilidades y probar diferentes vías de entrada.
Según los investigadores, una de las características más llamativas fue la capacidad para modificar automáticamente la estrategia dependiendo de cada empresa.
“Lo que me impresionó fue la enorme cantidad de vectores que las herramientas lograron descubrir y encontrar individualmente para cada objetivo”, explica Elias. “Cada objetivo recibió un tratamiento personalizado y… la IA aplicó estrategias diferentes a cada empresa para obtener el mismo resultado”.
Las instrucciones descubiertas muestran además cómo el atacante intentaba presentar determinadas operaciones como pruebas legítimas de penetración. En uno de los mensajes pedía al agente buscar alternativas cuando una vía estuviese bloqueada y examinar posibles relaciones de confianza, accesos adyacentes o fallos relacionados con la cadena de suministro.
Los agentes instalaban skimmers y borraban rastros
Cuando conseguían entrar en un servidor, los agentes podían recibir instrucciones para extraer información e instalar skimmers en comercios electrónicos. Este tipo de código malicioso captura los datos de las tarjetas cuando los clientes los introducen en formularios de pago.
Después, el sistema tenía órdenes destinadas a eliminar evidencias de la intrusión. Uno de los mensajes recuperados indicaba expresamente que, después de descargar la información de las tarjetas, debían borrarse determinados campos de origen.
Eyal Sela, director de inteligencia de amenazas de Gambit Security, califica el episodio como uno de los “abusos más graves de la IA con fines de explotación vistos hasta ahora”.
“El ser humano dirige modelos de IA casi totalmente autónomos, que ya son lo suficientemente fuertes como para realizar ciberataques muy sofisticados rápidamente, con una preparación mínima y una altísima tasa de éxito”, advierte Sela.
Anthropic bloqueó la cuenta utilizada
Anthropic confirmó que identificó y bloqueó la cuenta empleada durante la campaña. Los registros también muestran que algunos intentos de utilizar versiones más recientes de Claude fueron rechazados por sus mecanismos de seguridad.
El caso evidencia que los atacantes no necesitan necesariamente los modelos de IA más avanzados. La combinación de versiones anteriores, modelos desarrollados en China y herramientas abiertas de orquestación puede automatizar tareas que anteriormente requerían una intervención humana considerable.
Overwatch Data trasladó los datos descubiertos a las compañías de tarjetas. Según su cofundador y CEO, Arjun Bisen, un procesador de pagos comprobó una muestra y constató que al menos el 60% de las tarjetas examinadas no habían sido marcadas previamente por fraude.
“Esto sugiere que los hallazgos ayudaron a prevenir una cantidad significativa de posibles fraudes”, afirma Bisen.
