Saltar al contenido
Volver

JadePuffer: el primer ransomware 100% agéntico, autopilotado por LLM

Sysdig documentó el primer ransomware completamente autónomo impulsado por LLM. Reconnaissance, robo de credenciales, lateral movement y destrucción sin intervención humana.

Nauta Lab
2 min

JadePuffer: el primer ransomware 100% agéntico, autopilotado por LLM

La ciberseguridad acaba de cruzar un umbral. Sysdig publicó el análisis de JadePuffer, lo que afirman es el primer ransomware campaign completamente impulsado por un LLM — sin operador humano detrás.

Y no es un proof of concept académico. Fue un ataque real contra una instancia Langflow expuesta a internet.

Cómo funcionó

El ataque explotó CVE-2025-3248 en Langflow (una vulnerabilidad que ya tiene rato) y desde ahí el agente LLM tomó el control completo:

  1. Reconnaissance — descubrió y recolectó credenciales de APIs LLM, cloud y databases
  2. Robo de datos local — incluyendo la Postgres que respaldaba a Langflow
  3. Descubrimiento lateral — identificó servicios alcanzables desde el host
  4. Enumeración de MinIO — object-store credentials harvest
  5. Persistencia — creó cron job en el servidor Langflow
  6. Acceso a production MySQL vía credenciales root
  7. Destrucción masiva — encriptó 1.342 configuraciones de Nacos y borró los originales

Todo esto autónomamente. El agente reintentó pasos fallidos con parámetros refinados. En una secuencia, pasó de un login fallido a un fix funcional en 31 segundos.

El detalle brutal

La clave AES se generó como base64(uuid4().bytes + uuid4().bytes) — esencialmente aleatoria — y se imprimió a stdout pero nunca se persistió ni transmitió. O sea, aunque la víctima pague, no puede recuperar los datos.

El LLM además iba narrando su propia justificación de targeting en los payloads, escalando de deletions row-level a dropping de schemas enteros.

Patrones de amenaza AI emergentes

JadePuffer no es un caso aislado. HiddenLayer reporta que agentes AI autónomos ya representan ~1 de cada 8 brechas relacionadas con IA.

Otros grupos están usando LLMs de formas distintas pero igual de preocupantes:

  • FulcrumSec — usa agentes AI para analizar datos robados y generar presión en negociaciones de extortion. Llegó a usar una API key robada de la víctima para pagar ChatGPT y resumir los propios datos del atacado. Su demanda inicial contra Novo Nordisk fue US$25M.
  • DragonForce — usa LLMs para “manufacturar presión psicológica plausible” durante negociaciones, incluyendo fingir tener consejería legal.

Implicancias para defenders

Sysdig destaca cuatro takeaways:

  1. El ransomware ya no requiere skill — reconnaissance, credential theft, lateral movement y destruction son logrables sin expertise del operador
  2. Vulns viejas siguen siendo el vector — JadePuffer usó CVE-2021-29441 y defaults keys sin cambiar, en infraestructura descuidada
  3. Nuevas oportunidades de detección — el LLM “narra” sus objetivos en los payloads, dando una ventana de triage que antes no existía
  4. La exfiltración es claim del propio agente — pero con key efímera, los datos están perdidos independientemente

Heath Renfrow (CISO de Fenix24) lo puso en perspectiva: si un AI agent comprime lo que antes tomaba horas en minutos, los defenders pierden tiempo valioso en cada fase del incident.

Qué hacer

Lo de siempre pero con más urgencia:

  • Parchea internet-facing systems YA — Langflow, Nacos, cualquier cosa expuesta
  • Cambia defaults — signing keys, credenciales root
  • Network segmentation — limita qué puede alcanzar un host comprometido
  • Monitorea narrativas en payloads — el comportamiento “narrativo” del LLM es un signal de detección nuevo
  • Restrict external exposure — si no necesita estar en internet, no lo está

La era de los Agentic Threat Actors (ATAs) empezó. Y el tiempo de respuesta se acaba de reducir drásticamente.


Compartir artículo:

Sigue leyendo

Noticias relacionadas

Más en Seguridad →

Buscar en Ping Diario