Los ataques a Linux siguen creciendo y la IA es responsable, pero también puede ser la salvadora
Elígenos como tu fuente preferida en Google.
Las vulnerabilidades en Linux han aumentado de forma espectacular durante el último año, también por culpa de la IA, aunque esta puede ayudar a su defensa.
Linux está en el punto de mira de los ciberdelincuentes, aunque los usuarios del entorno de escritorio pueden respirar tranquilos, ya que en este ámbito apenas se contabilizan un 1,3% de las detecciones globales de ataques.
El mayor objetivo, por otro lado, son los servidores y los ordenadores más potentes, que suponen la primera línea de entrada para todos los usuarios, un aspecto en el que el kernel de Linux sí ha vivido un año trágico: las vulnerabilidades alcanzaron la cifra de 5.530, según los informes del NIST.
Esto supone en la práctica un aumento del 28% respecto a 2025; o lo que es lo mismo, un promedio de 8 a 9 vulnerabilidades descubiertas cada día, algo que satura a los equipos de desarrolladores, también por culpa de la inteligencia artificial.
Teniendo en cuenta que Linux mantiene el 90% de toda la infraestructura a nivel mundial, es una cifra bastante importante a nivel de seguridad, y muestra que los atacantes no solo se centran en dispositivos individuales, sino que apuntan directamente al origen.
Aquí hay que tener en cuenta que muchísimos móviles utilizan Android, que también utiliza el kernel de Linux, con lo cual la superficie de ataque sí aumenta considerablemente en este tipo de dispositivos.
En un contexto en el que grandes modelos de lenguaje natural (LLM) pueden perpetrar ataques de forma autónoma, la inteligencia artificial puede ser el talón de Aquiles de Linux, pero también su propia salvación.
El aumento de los ciberataques sobre Linux
Linux es uno de los objetivos principales para el cibercrimen y los datos dan fe de ello. Según los análisis de firmas de seguridad importantes del sector, como Kaspersky o Palo Alto Networks, este sistema operativo es una diana clara.
En el terreno de las inyecciones de código, se ha registrado un espectacular aumento del 746%; en términos coloquiales, los atacantes se dedican a explotar errores, por decirlo de alguna forma, que están alojados en Linux para ejecutar comandos con privilegios de administración.
Adicionalmente, los errores de gestión de memoria en C o C++ –algo que mejora Rust con su entrada triunfal como lenguaje oficial de programación en Linux– también aumentaron en un espectacular 597%, situando el desbordamiento de memoria como una de las opciones favoritas de los ciberdelincuentes para ejecutar código de forma remota.
Por si esto no fuera suficiente, hay que tener en cuenta a los grupos de amenaza persistente que suelen estar patrocinados por Estados, como Akira, LockBit o BlackCat, que mejoran sus técnicas con el avance de los años, también aprovechando la automatización que permiten modelos de IA sin restricciones, un elemento cada vez más presente.
Quizá uno de los mejores ejemplos de cómo la IA puede utilizarse de forma ofensiva es el último "ataque" a Hugging Face, perpetrado por un agente autónomo, sin la necesidad de intervención humana, por parte de uno de los últimos modelos de OpenAI, según confirmó esta última compañía posteriormente.
En este caso, se creía que un atacante humano había utilizado un LLM mediante jailbreak e incluso que había desarrollado su propio modelo, ya que desde Hugging Face no daban crédito a lo que habían tenido que vivir.
Un día después, OpenAI confirmó que el modelo GPT-5.6 Sol había actuado de forma autónoma para comprometer credenciales y servicios de Hugging Face, un hecho que supone un nuevo paradigma en el ámbito de la ciberseguridad.
Si una IA puede gestionar un ataque autónomo sin revisión humana, ¿es posible que la misma IA pueda utilizarse para el análisis automatizado o el análisis forense digital? Precisamente, este ciberataque por IA ha mostrado que no es solo posible, sino que es prácticamente obligatorio en los tiempos que corren.
Usar la IA para la defensa, un aspecto no tan sencillo
Antes de que OpenAI anunciara que su modelo se había descontrolado, por decirlo de alguna forma, Hugging Face ya había intentado utilizar la inteligencia artificial para realizar un análisis, algo prácticamente imposible para un ser humano, teniendo en cuenta que se enfrentaban a más de 17.000 acciones automatizadas al mismo tiempo y durante todo un fin de semana.
En la práctica, los LLM son utilizados para perpetrar este tipo de ciberataques mediante un jailbreak, pero en este caso se enfrentaban a un agente autónomo totalmente desprovisto de objeciones éticas y legales.
Básicamente, se enfrentaron a un agente artificial que decidía por su propia cuenta cómo actuar para saltarse las restricciones de seguridad de la plataforma, a lo que Hugging Face respondió con su propia medicina: el uso de la IA para el análisis forense digital.
Esta etapa es crucial en cualquier tipo de ciberataque, ya que se basa en recopilar pruebas digitales del atacante para comunicarlo públicamente, algo obligatorio al menos en la Unión Europea y, concretamente, en España.
Ahora bien, los modelos comerciales no fueron capaces de diferenciar entre esta técnica para defenderse de lo que pediría un usuario que quisiera utilizar el LLM para actividades maliciosas, por lo que tuvieron que usan otro LLM abierto para revisar todo lo que había ocurrido.
Gracias a este LLM, Hugging Face descubrió todas las vulnerabilidades aprovechadas por el LLM autónomo atacante, además de que pudo revisar hasta dónde había podido llegar, solventando en el momento cualquier tipo de problema de exfiltración de datos.
A día de hoy, aunque es más fácil utilizar estos modelos para tareas ofensivas que para la defensa, como queda claro con este ejemplo, la IA es crucial para esas compañías que gestionan datos tan importantes como el entrenamiento de los modelos de IA.
En definitiva, es uno de los aspectos más positivos de la IA y uno de los rincones que menos aprovechan las compañías y usuarios que, indudablemente, se enfrentarán cada vez con más frecuencia a ataques autónomos impulsados por este tipo de modelos artificiales de lenguaje.