INVESTIGACIÓN
Agosto de 2025: puntuaciones de fallos dispares, modelos envenenados, voces clonadas
Supply chainRansomwareOT and industrial security
Agosto de 2025 pone en duda algunas herramientas básicas. CVSS, EPSS y otros sistemas de puntuación clasifican de forma muy distinta las mismas vulnerabilidades, y los escáneres de modelos de IA no ven la mayoría de formas de envenenarlos. Las llamadas con voz clonada se desenmascaran con pruebas de escucha, y los medidores de robustez revelan las contraseñas con que se entrenaron.
Archivo: reconstrucción escrita en noviembre de 2026
1. Conflicting Scores, Confusing Signals: An Empirical Study of Vulnerability Scoring Systems
ACM Conference on Computer and Communications Security · Viktoria Koscinski, Mark Nelson, Ahmet Okutan, Robert Falso et al. · Seguridad de IA y LLM
En breve: En 600 vulnerabilidades reales, CVSS, SSVC, EPSS y el Exploitability Index fijan prioridades muy distintas.
La primera comparación a gran escala ligada a resultados reales enfrenta CVSS, SSVC, EPSS y el Exploitability Index en 600 vulnerabilidades de cuatro meses de Patch Tuesday de Microsoft. Los sistemas clasifican las mismas vulnerabilidades de forma muy distinta y captan en distinta medida el riesgo real de explotación, lo que afecta a las decisiones de quien se apoya en ellos.
Por qué importa. Muchos cuestionarios de suscripción y planes de parches dependen de una sola puntuación: elegir el sistema cambia qué fallos se corrigen primero.
2. The Art of Hide and Seek: Making Pickle-Based Model Supply Chain Poisoning Stealthy Again
arXiv · Tong Liu, Guozhu Meng, Peng Zhou, Zizhuang Deng et al. · Cadena de suministro de software
En breve: Los escáneres de modelos de IA no ven 19 de las 22 formas de cargar un modelo pickle envenenado.
Muchos frameworks de IA guardan los modelos con pickle, un formato que puede ejecutar código al cargarse, y las plataformas de intercambio amplían el riesgo. El primer estudio sistemático halla 22 rutas de carga en cinco frameworks, 19 ignoradas por los escáneres, una técnica de evasión con 7 variantes que eluden a todos y 133 funciones explotables.
Por qué importa. El escaneo automático de modelos descargados no es una garantía: hacen falta formatos seguros y reglas sobre qué modelos llegan a producción.
3. NodeShield: Runtime Enforcement of Security-Enhanced SBOMs for Node.js
ACM Conference on Computer and Communications Security · Eric Cornelissen, Musard Balliu · Cadena de suministro de software
En breve: NodeShield aplica en tiempo de ejecución el SBOM de una app Node.js y limita los recursos de cada dependencia.
El ecosistema Node.js es un objetivo frecuente de ataques a la cadena de suministro. NodeShield usa el SBOM como fuente de verdad sobre las dependencias y lo amplía con una lista de capacidades, el CBOM, que indica a qué recursos del sistema puede acceder cada componente. Aplica ambos en ejecución sin cambiar el código, impidiendo usar dependencias o recursos no declarados.
Por qué importa. El SBOM pasa de documento de cumplimiento a control activo: un paquete comprometido queda confinado a los recursos declarados.
4. PITCH: AI-assisted Tagging of Deepfake Audio Calls using Challenge-Response
ACM Asia Conference on Computer and Communications Security · Govind Mittal, Arthur Jakobsson, Kelly Ann Marshall, Chinmay Hegde et al. · Políticas, derecho y sociedad
En breve: Pruebas de escucha durante la llamada ayudan a desenmascarar voces clonadas en tiempo real.
La clonación de voz en tiempo real elude la autenticación telefónica por voz. PITCH propone 20 pruebas de escucha basadas en audición, lingüística y entorno, probadas con 1,6 millones de muestras falsas de 100 personas. Las pruebas elevan la detección automática a un AUROC del 88,7%, y un sistema humano-IA marca las llamadas sospechosas como «probable deepfake».
Por qué importa. Los centros de atención de bancos y aseguradoras que autentican por voz están expuestos al fraude de identidad: se necesitan controles activos en la llamada.
5. On the Account Security Risks Posed by Password Strength Meters
ACM Asia Conference on Computer and Communications Security · Ming Xu, Weili Han, Jitao Yu, Jing Liu et al. · Identidad y autenticación
En breve: Los medidores de robustez de contraseñas filtran las contraseñas con que se entrenaron y ayudan al atacante.
De 11 medidores de robustez de contraseñas, 5 basados en datos son vulnerables a inferencia de pertenencia que expone entre 10.000 y 100.000 contraseñas de entrenamiento, y 3 basados en reglas muestran en claro las contraseñas bloqueadas. En sitios con el popular Zxcvbn, un ataque que lo tiene en cuenta compromete un 5,84% más de cuentas en 10 intentos.
Por qué importa. Un componente pensado para reforzar las contraseñas se convierte en fuente de información para quien intenta entrar en las cuentas.
6. MoEcho: Exploiting Side-Channel Attacks to Compromise User Privacy in Mixture-of-Experts LLMs
ACM Conference on Computer and Communications Security · Ruyi Ding, Tianhong Xu, Xinyi Shen, Aidong Adam Ding et al. · Hardware y canales laterales
En breve: Las huellas de hardware de los modelos Mixture-of-Experts revelan prompts y respuestas de los usuarios.
Las arquitecturas Mixture-of-Experts activan solo algunos submodelos según el significado de los tokens, y ese enrutamiento deja huellas en el hardware. MoEcho identifica cuatro nuevos canales laterales en CPU y GPU, como contadores de rendimiento y TLB, y los usa en ataques que deducen los prompts y reconstruyen las respuestas de LLM y modelos de visión y lenguaje basados en MoE.
Por qué importa. En infraestructura compartida, la eficiencia de los grandes modelos abre una vía para leer conversaciones ajenas: un riesgo para servicios de IA multicliente.
7. Minerva: A File-Based Ransomware Detector
ACM Asia Conference on Computer and Communications Security · Dorjan Hitaj, Giulio Pagnotta, Fabio De Gaspari, Lorenzo De Carli et al. · Malware y amenazas
En breve: Minerva detecta el ransomware por la actividad en archivos, resiste la evasión y lo señala en medio segundo.
Los detectores conductuales de ransomware basados en procesos son vulnerables a la evasión. Minerva está diseñado para resistirla desde su arquitectura y sus rasgos, y trabaja sobre la actividad en archivos. Reconoce ransomware de muchos tipos, incluso nuevos o creados para evadirlo, y más del 99% de las detecciones ocurre en 0,52 segundos de actividad.
Por qué importa. Detectar en menos de un segundo limita los archivos cifrados y el daño: el tipo de control que reduce la gravedad media de un siniestro de ransomware.
8. QUIC-Exfil: Exploiting QUIC's Server Preferred Address Feature to Perform Data Exfiltration Attacks
ACM Asia Conference on Computer and Communications Security · Thomas Grübl, Weijie Niu, Jan von der Assen, Burkhard Stiller · Seguridad de red
En breve: Una función de QUIC permite exfiltrar datos disfrazados de migración normal de la conexión.
QUIC transporta ya una parte notable del tráfico de internet, y su diseño lo hace difícil de gestionar para los cortafuegos. QUIC-Exfil abusa de la función server preferred address para enviar datos robados a un servidor malicioso, disfrazados de migración del servidor. Cinco clasificadores de anomalías entrenados con unas 700.000 conexiones tienen dificultades para detectarlo.
Por qué importa. Los controles contra la exfiltración pensados para TLS y DNS no cubren QUIC: conviene comprobar si las defensas perimetrales lo inspeccionan.
9. Virtual Reality, Real Problems: A Longitudinal Security Analysis of VR Firmware
ACM Conference on Computer and Communications Security · Vamsi Shankar Simhadri, Yichang Xiong, Habiba Farrukh, Xiaokuan Zhang · Sistemas ciberfísicos e IoT
En breve: 300 versiones del firmware de los visores Quest y Pico muestran protecciones del kernel ausentes y permisos incoherentes.
Los visores de realidad virtual recogen muchos datos de sensores y usan Android personalizado. El primer análisis completo de su firmware examina más de 300 versiones de Meta Quest y Pico en kernel, binarios del sistema y aplicaciones. Aparecen funciones de seguridad del kernel ausentes, binarios poco protegidos, permisos aplicados de forma incoherente y reglas SELinux insuficientes.
Por qué importa. Los visores llegan a la formación, la sanidad y el trabajo: los datos biométricos y de movimiento que recogen agravan cualquier brecha.
Las tendencias del mes
Cadena de suministro de software
11 artículos del mes sobre este tema
La cadena de suministro de software se extiende a los modelos de IA. Los escáneres que deberían bloquear los modelos pickle envenenados no ven la mayoría de rutas de ataque, mientras que en Node.js el SBOM se vuelve un control activo que confina cada dependencia a sus recursos declarados. La dirección es la misma: pasar del inventario a limitar lo que cada componente puede hacer.
Artículos citados:
- The Art of Hide and Seek: Making Pickle-Based Model Supply Chain Poisoning Stealthy Again
- NodeShield: Runtime Enforcement of Security-Enhanced SBOMs for Node.js
Malware y amenazas
54 artículos del mes sobre este tema
Tres trabajos tocan herramientas cotidianas de la defensa. Los sistemas de puntuación de vulnerabilidades no coinciden en las prioridades, un detector de ransomware basado en archivos reacciona en medio segundo y resiste la evasión, y QUIC ofrece un canal de exfiltración que los controles para TLS y DNS no ven. Al evaluar una empresa importan las herramientas usadas, no solo su presencia.
Artículos citados:
- Conflicting Scores, Confusing Signals: An Empirical Study of Vulnerability Scoring Systems
- Minerva: A File-Based Ransomware Detector
- QUIC-Exfil: Exploiting QUIC's Server Preferred Address Feature to Perform Data Exfiltration Attacks
Identidad y autenticación
50 artículos del mes sobre este tema
La autenticación sigue siendo la puerta del fraude. La voz clonada en tiempo real pone en apuros a los centros de atención que reconocen a los clientes por teléfono, y los medidores de robustez de contraseñas, pensados como ayuda, revelan información útil al atacante. En ambos casos la defensa necesita controles activos, no solo confianza en el canal.
Artículos citados:
- PITCH: AI-assisted Tagging of Deepfake Audio Calls using Challenge-Response
- On the Account Security Risks Posed by Password Strength Meters
Cómo se elabora este digest
Este número forma parte del archivo del digest, reconstruido a posteriori. Los artículos del mes se recopilaron de arXiv, del archivo IACR ePrint y de las principales conferencias y revistas de seguridad; en la selección cuentan también las citas recibidas tras la publicación. Un modelo de inteligencia artificial evaluó a los candidatos y redactó los resúmenes, que se basan en los abstracts: para los detalles, prevalece el artículo original.
Artículos del mes evaluados: 1434.