El grupo de hackers UAT-10147 contrató un asistente de IA que desarrolla exploits, los prueba y borra sus rastros

El grupo de hackers UAT-10147 contrató un asistente de IA que desarrolla exploits, los prueba y borra sus rastros

Una sola lista con 170.000 objetivos

image

El grupo de habla china UAT-10147 convirtió la inteligencia artificial (IA) de un asistente para escribir código en una herramienta completa para ataques. Los atacantes encargan a la IA buscar vulnerabilidades, preparar medios de explotación, verificar su funcionamiento y ayudar a afianzarse en los servidores, y el backdoor SPECTRE que desarrollaron puede desactivar las protecciones de Windows y ocultarse en el núcleo de Linux.

El grupo fue descubierto a principios de 2026 por especialistas de Cisco Talos. UAT-10147 ataca servidores accesibles desde internet de organizaciones gubernamentales, universidades, medios de comunicación, empresas tecnológicas y de videojuegos. Se confirmaron infecciones en Brasil, Bolivia, China, Canadá y Vietnam. En uno de los servidores de los atacantes los especialistas encontraron una lista de aproximadamente 170.000 direcciones de posibles objetivos.

Los objetivos principales de UAT-10147 son robar datos y manipular los resultados de búsqueda. Tras infiltrarse en un sistema, los atacantes instalan BadIIS o su propio manejador SeoEngineHandler. Los módulos maliciosos alteran el contenido de los sitios para los motores de búsqueda y pueden redirigir a los visitantes. Una de las variantes está diseñada específicamente para Vietnam y reconoce el motor de búsqueda Cốc Cốc.

En Windows, el grupo utiliza EfsPotato, GodPotato, JuicyPotato y RustPotato para elevar privilegios, añade directorios de IIS a las exclusiones de Microsoft Defender, crea una cuenta de administrador y establece acceso remoto persistente. En las intrusiones también se observaron QuasarRAT y Gh0stCringe. En Linux, los atacantes explotaron vulnerabilidades conocidas CVE-2022-0995, CVE-2021-3156, CVE-2015-5287, CVE-2015-3246, CVE-2010-3904 y CVE-2022-0847, tras lo cual instalaban SPECTRE, Noodle RAT o Meterpreter.

Un lugar destacado en su arsenal ocupa el backdoor escrito en C SPECTRE para Windows y Linux. La versión para Windows soporta 45 comandos: puede ejecutar programas, interceptar pulsaciones de teclas, realizar capturas de pantalla, robar credenciales de Chrome y Edge, extraer datos del registro e inyectar código en procesos. Antes de ejecutarse, el malware evalúa indicios de entornos virtualizados y deja de funcionar si sospecha que está siendo analizado.

SPECTRE es capaz de inutilizar mecanismos de detección de ataques mediante controladores vulnerables RTCore64.sys y DBUtil_2_3.sys, asociados con CVE-2019-16098 (7.8 High) y CVE-2021-21551 (8.8 High). Tras obtener la capacidad de modificar la memoria del núcleo de Windows, el backdoor desactiva funciones que permiten a los productos de seguridad seguir cómo se crean procesos y subprocesos y cómo se cargan módulos de software.

La versión de SPECTRE para Linux contiene 29 comandos e instala el rootkit Specter, camuflado como el módulo de núcleo acpi_pad.ko. Specter oculta procesos y su propio módulo, eleva privilegios a root y se ejecuta en cada arranque del sistema mediante el servicio hardware-monitor.service. Para interceptar funciones del sistema, el rootkit utiliza el mecanismo estándar ftrace, lo que ayuda a introducir cambios en el núcleo de forma menos detectada.

UAT-10147 emplea la IA también durante las propias intrusiones. En el servidor de control del grupo, los especialistas encontraron DeepAudit y PentestGPT. El sistema generaba instrucciones y scripts para explotar errores de deserialización de ASP.NET ViewState, comprobaba permisos de escritura, diagnosticaba fallos, desplegaba SPECTRE y creaba una webshell. Talos también encontró indicios de que el código de Specter fue creado por una máquina y rastros de un directorio AI en el entorno donde los atacantes ensamblaban sus propias herramientas.

Según Cisco Talos, los ataques de UAT-10147 muestran que la IA está pasando de la asistencia habitual para la programación a ataques parcialmente autónomos. El modelo ya ayuda a relevar objetivos, perfeccionar vectores de explotación, buscar causas de errores, verificar resultados y preparar herramientas, reduciendo el trabajo manual y el nivel de conocimientos que necesita un atacante para llevar a cabo una intrusión compleja.