Google GTIG 的 AI Threat Tracker 記錄 exploit_agent 可無需人手介入自動發現及利用漏洞
AI Threat Tracker de GTIG de Google: exploit_agent automatiza la explotación de vulnerabilidades sin intervención humana
Google Threat Intelligence Group(GTIG)與 Mandiant 於 2026 年 11 月 16 日發布新版 AI Threat Tracker,記錄 exploit_agent 可無需人手介入地自動發現及利用漏洞。
報告呈現漏洞自動化利用如何壓縮修補時間,並列出即時修補、啟用偵測規則及檢查 API 用量等應對措施。
El AI Threat Tracker de GTIG, publicado el 16 de noviembre de 2026, registra el primer marco LLM observado, exploit_agent, que automatiza por completo el descubrimiento y la explotación de vulnerabilidades. Los exploits de día cero llegaron a 22 en agosto de 2026 y el LLMJacking superó los $100.000 en un día.
Qué cambió con AI Threat Tracker
El 16 de noviembre de 2026, Google Threat Intelligence Group (GTIG) y Mandiant publicaron una nueva edición del AI Threat Tracker, que documenta que los atacantes usaron marcos LLM para automatizar por completo el descubrimiento y la explotación de vulnerabilidades sin intervención humana por primera vez. En un servidor expuesto, GTIG encontró exploit_agent, un marco multiagente conectado a LLM de frontera y locales que compara continuamente el código de aplicaciones web populares antes y después de cada parche, identifica vulnerabilidades probables, redacta exploits y los ejecuta por su cuenta; su operador apuntó a sitios franceses de medios, entretenimiento y educación. El informe también confirma el uso en intrusiones reales de los marcos abiertos de pentesting agéntico ARTEX, CAIRN y PentAGI, con experimentación en CyberStrikeAI y HexStrike AI.
La ventana de parcheo se colapsa: las divulgaciones y exploits de vulnerabilidades casi se duplicaron entre enero y agosto de 2026, y los de día cero pasaron de 8 al mes en promedio en 2025 a 11 al mes en 2026, con un pico de 22 en agosto. A finales de agosto, dos fallos de PaperCut NG/MF (CVE-2026-81578 y CVE-2026-82078) se explotaron como día cero; hubo exploits asistidos por LLM en un día y una campaña contra cientos de organizaciones que llegó a administrador de dominio en minutos. La monetización también escala: el LLMJacking —robar credenciales de nube y LLM para revender acceso vía «LLM Mixers»— generó cargos fraudulentos de más de $100.000 en un día y hasta $1 millón acumulado en los peores casos. Google SecOps desplegó reglas para detectar ARTEX y Mandiant publicó una guía de endurecimiento contra estas herramientas ofensivas con LLM.
Cómo corregirlo
- Actualizar: Parchea las aplicaciones expuestas a internet en cuanto salgan las correcciones: la comparación automática de parches ya produce exploits funcionales en días, así que un ciclo mensual de parcheo deja expuestos los fallos ya corregidos (n-day).
- Configuración: Aplica la guía de endurecimiento y el marco de defensa arquitectónica de Mandiant para herramientas ofensivas basadas en LLM, y activa los paquetes de reglas de Google SecOps creados para detectar el uso de ARTEX.
- Vigilar: Vigila las facturas de nube y LLM y el uso de API por si hay LLMJacking: alerta ante picos repentinos de uso, cuentas de servicio desconocidas y aumentos de cuota, y rota de inmediato las claves API y los tokens de sesión expuestos.
- Configuración: Audita los archivos de configuración de los asistentes de código con IA (por ejemplo .claude/settings.json) y los repositorios en busca de alteraciones antes de que los desarrolladores inicien las herramientas; los atacantes plantan en ellos descargas de puertas traseras.
AI Threat Tracker en cifras
- Exploits de día cero en agosto de 2026: 22 (al 16 nov 2026)
- Cargos fraudulentos por LLMJacking en un solo día, superados: $100.000+ (al 16 nov 2026)
- Abuso acumulado de recursos por LLMJacking en los peores casos: $1.000.000 (al 16 nov 2026)
Por qué AI Threat Tracker importa para los negocios
Por qué importa: el tiempo entre la publicación de un parche y un exploit funcional ahora se mide en días u horas, así que las empresas deberían parchear las aplicaciones expuestas a internet en cuanto salga la corrección, no en un ciclo mensual, y usar la guía de endurecimiento de Mandiant y las detecciones de SecOps como lista de verificación para sus propios entornos. Los equipos de finanzas y TI también deberían auditar las facturas de nube y LLM y las claves API en busca de LLMJacking —picos repentinos de uso, cuentas de servicio desconocidas, cargos de más de $100.000 en un día— y rotar cualquier clave expuesta. Quienes usan asistentes de código con IA deberían revisar los archivos de configuración de los agentes antes de ejecutarlos, porque los atacantes ahora los alteran para descargar puertas traseras en las máquinas de los desarrolladores.
Fuentes
來源:DEV Community · dev.to