Servicio · IA Red Team · ARTEX
¿Tu entorno resistiría a un atacante con IA?
Dirigimos el ataque con ARTEX, RedAmon y otros harness agénticos de red team, corriendo sobre GPUs propias y modelos especializados en ofensiva. Cadenas completas, no listas de chequeo: herramientas reales, límites, registro de cada acción y un especialista validando cada hallazgo dentro de un alcance autorizado.
Qué probamos
- Superficie externa: sitios, APIs, paneles administrativos, WordPress y plugins, servicios expuestos.
- Credenciales: políticas, reutilización y segundo factor, con cuentas de prueba acordadas.
- Segmentación y movimiento lateral desde el punto de entrada autorizado.
- Configuración de servicios cloud y permisos de cuentas de servicio.
- Aplicaciones de IA: inyección de instrucciones, fuga de contexto y herramientas con permisos excesivos.
- Detección: si tu monitoreo ve el intento, con qué alerta y cuánto tarda.
- Respuesta: qué queda registrado y qué se puede reconstruir después.
El harness es la diferencia
Un modelo conversando no ataca nada. Lo que cambia el resultado es el harness: la capa que le entrega herramientas reales —shell, escáneres, navegador, clientes de API—, le fija límites y deja cada acción en una bitácora. Ahí el modelo especializado deja de opinar y empieza a ejecutar, siempre dentro de lo acordado y siempre con registro.
Eso permite dos cosas que un ejercicio manual rara vez consigue: repetir la misma cadena con variaciones hasta agotarla, y reconstruir después qué se hizo, en qué orden y con qué resultado. La evidencia no depende de la memoria de quien estuvo frente al teclado.
ARTEX sobre GPUs propias
Dirigimos el ataque con ARTEX: el operador entrega un objetivo y un plan, un agente planificador elige el siguiente paso, los agentes trabajadores ejecutan las herramientas y cada resultado alimenta un grafo de activos y hallazgos. Lo que no es estándar es dónde corre.
El razonamiento de los agentes corre en GPUs propias, con modelos especializados en red team en vez de una API de terceros. Eso da tres cosas concretas: los datos del ejercicio —objetivos, credenciales de prueba, hallazgos— no salen de nuestra infraestructura; el modelo se ajusta a la tarea (enumeración, explotación, post-explotación, evasión de detección) en lugar de improvisar con un modelo generalista; y el ejercicio se puede repetir con el mismo modelo y la misma configuración, así que dos rondas son comparables.
Encima de eso van las reglas de enfrentamiento: qué sistemas, en qué ventana, con qué herramientas permitidas, con qué límite de peticiones y con corte inmediato disponible. Un harness sin reglas es un ataque; con reglas, registro y un responsable que firma el alcance, es un ejercicio.
No usamos un solo camino
El red team con IA no es un framework: hoy hay cerca de 45 proyectos abiertos de ataque agéntico, y los que están catalogados se agrupan en cinco familias —cadena de intrusión de red, aplicación web y API, harnesses montados sobre agentes de código, prototipos de investigación y sus derivados—. Cada uno tiene sesgos, cobertura y cadencia distintas. Depender de uno solo significa medir ese framework, no tu entorno.
Los que operamos, según la superficie y el objetivo del ejercicio:
- ARTEX — multiagente en Go: planificador, agentes trabajadores y grafo de activos y hallazgos. Es el que aparece en las noticias por su uso criminal, y el que usamos con reglas de enfrentamiento.
- RedAmon — MIT y autoalojado: mapea la superficie de ataque en un grafo (Neo4j), explota desde un sandbox Kali con compuertas de aprobación humana y cierra el ciclo con parches vía pull request. Reporta 101 de 104 en el benchmark XBOW en modo caja negra y corre con modelos locales (Ollama, vLLM), lo que calza con nuestras GPUs.
- PentAGI — equipos de agentes coordinados sobre Nmap, Metasploit y sqlmap.
- CyberStrikeAI y CAIRN — frameworks multiagente que también aparecen en reportes de amenazas; se usan para contrastar hallazgos y para probar detección.
- HexStrike, Strix y DarkMoon — herramientas especializadas: más de 150 utilidades ofensivas vía MCP, pruebas de aplicación web y API, y enjambres de agentes por especialidad (web, cloud, Active Directory, CI/CD).
No todos entran en todos los ejercicios. Se eligen por superficie, por el sesgo que conviene evitar y por lo que hay que demostrar. Contrastar el mismo hallazgo con dos harness distintos reduce falsos positivos; y si un proyecto se retira —como ARTEX el 8 de octubre— o deja de mantenerse, el servicio no se cae con él.
Lo que no cambia con ningún harness es el marco: reglas de enfrentamiento, registro de cada acción y validación humana de cada hallazgo. En el informe se declara qué harness y qué modelo se usó en cada cadena, para que el ejercicio se pueda repetir. Y probar con varios frameworks también mide mejor la detección: cada uno deja una firma distinta en registros y alertas, así que un solo camino te dice menos sobre tu capacidad de ver.
Cadenas, no checklist
Un listado de controles dice si una configuración está bien escrita. Una cadena de ataque dice si esa configuración aguanta cuando alguien la encadena con otra debilidad: un panel expuesto, una cuenta con segundo factor débil y un permiso de servicio amplio. Probamos combinaciones, no casillas aisladas.
Detección: el resultado que casi nadie mide
Cada intento se ejecuta con el equipo defensivo advertido solo del marco del ejercicio, no del cómo. Al cierre se compara lo que hicimos con lo que quedó en registros y alertas: qué se detectó, qué no, y cuánto tardó. Un hallazgo sin detección es un incidente esperando fecha.
Cómo queda documentado
Informe con las cadenas ejecutadas, la evidencia mínima para entender cada una, la prioridad por impacto y urgencia, y la recomendación de corrección. Cuando el alcance incluye corregir, se hace con respaldo previo y ventana acordada, y el hallazgo se vuelve a probar para confirmar el cierre.
En las noticias · noviembre 2026
ARTEX: el agente autónomo que ya ataca sin pedir permiso
El FBI publicó un aviso sobre ARTEX, un framework de pruebas de penetración con agentes de IA que delincuentes y grupos estatales están usando para atacar solos. Es el mismo harness que operamos en este servicio —con modelos propios sobre GPUs nuestras y alcances firmados— y la diferencia está en las reglas.
ARTEX es un framework de pentest agéntico de código abierto, escrito en Go y publicado en GitHub en julio de 2026. Ganó el desafío de red team «Agent+» de Baidu en septiembre, y el 8 de octubre su autor lo retiró del repositorio después de los primeros reportes de abuso; desde entonces circula por forks, copias archivadas y una edición comercial. No trae modelo propio: se conecta a modelos externos, entre ellos Claude, GPT, DeepSeek, GLM, Grok y Kimi.
El operador entrega un objetivo y un plan; un agente planificador decide el siguiente paso, agentes trabajadores ejecutan herramientas como nmap, curl o Impacket, y cada resultado alimenta un grafo de activos y hallazgos. Puede sostener varias rutas de intrusión a la vez y corregir sobre la marcha: si lo bloquean, cambia de IP y de identificador de cliente. En los registros que publicó Wiz, el agente descargaba los source maps del sitio, obtenía de ahí los nombres de las rutas internas de API y las llamaba minutos después.
El aviso FLASH del FBI del 13 de noviembre de 2026 documenta actores usando ARTEX desde al menos agosto contra los sectores financiero, público, tecnológico, de defensa y salud, con intrusiones que pasan del objetivo inicial al acceso privilegiado en menos de tres horas. Entre los casos citados están el compromiso de la cadena de suministro de ConnectWise Cloud Backup —atribuido a Storm-0940, con acceso a tenants de Microsoft 365—, ataques a bancos surcoreanos con datos de unas 67.000 personas y una campaña contra más de 200 organizaciones en 14 países.
Nada de esto es magia nueva: es el mismo patrón que describimos más arriba, apuntado sin autorización. Y deja una lección para el lado defensivo. Quien descubre el ataque cuando el atacante ya tiene acceso privilegiado no tiene una lista de parches pendientes: tiene un incidente. Por eso el ejercicio mide la detección y el tiempo de respuesta, no solo los hallazgos.
- Menos de 3 horas del objetivo al acceso privilegiado, según el FBI.
- Más de 1.600 consolas ARTEX expuestas en Internet a comienzos de noviembre.
- 200+ organizaciones en 14 países en una sola campaña documentada.
- Ojo con las copias: el repositorio original se retiró el 8 de octubre y Sophos detectó una imagen Docker de terceros con puerta trasera.
Fuentes consultadas
- FBI IC3: aviso FLASH sobre el uso de ARTEX (13 de noviembre de 2026)
- Microsoft: Storm-0940 y el compromiso de la cadena de suministro de ConnectWise con ARTEX
- Wiz Research: ARTEX en la práctica, con la secuencia de ataque en registros HTTP e identidad
- Sophos X-Ops: cómo funciona ARTEX y qué señales deja en el host
- CrowdStrike: uso de ARTEX contra entidades financieras de Corea del Sur
- Cisco Talos: ARTEX y las plataformas de pentest con IA que llegaron para quedarse
Datos verificados contra las fuentes el 17 de noviembre de 2026. Las cifras de campañas cambian: antes de citarlas, contrastar con el aviso vigente del FBI (IC3).
Preguntas frecuentes
¿En qué se diferencia de un pentest tradicional?
En cómo se ejecuta, no en las reglas. Un ejercicio clásico depende de las horas que un especialista puede dedicar a un alcance; aquí un harness ejecuta y repite cadenas de ataque sobre el mismo alcance y un especialista valida cada hallazgo antes de informarlo. El objetivo es el mismo: alcance autorizado, evidencia mínima y prioridad por impacto.
¿Un modelo puede dañar algo durante el ejercicio?
Trabaja dentro de un harness con reglas de enfrentamiento: herramientas permitidas, límite de peticiones, sistemas excluidos y corte inmediato. No se exfiltran datos reales, no se deja persistencia sin autorización escrita y cualquier acción destructiva queda prohibida desde el diseño del ejercicio.
¿Qué pasa si encuentran algo crítico a mitad del ejercicio?
Se avisa de inmediato por el canal acordado antes de seguir. Si el hallazgo permite comprometer datos o disponibilidad, el ejercicio se detiene y se acuerda con el responsable cómo continuar.
¿Revisan también nuestras aplicaciones de IA?
Sí, cuando están en el alcance. Un modelo propio también es atacable: inyección de instrucciones, fuga de contexto, herramientas con permisos excesivos y datos de entrenamiento expuestos. Se prueba con el mismo criterio que el resto del entorno.
¿Usan ARTEX en sus ejercicios?
Sí. ARTEX es el harness con el que dirigimos el ataque, corriendo sobre GPUs propias y modelos especializados en red team, siempre dentro de un alcance autorizado y con registro de cada acción. Es el mismo framework que aparece en las noticias por su uso criminal: la diferencia está en las reglas, en el alcance firmado y en que cada hallazgo pasa por validación humana.
¿Trabajan con un solo framework de IA?
No. Usamos varios harness según la superficie y el objetivo: ARTEX, RedAmon, PentAGI, CyberStrikeAI y herramientas especializadas como HexStrike o Strix. Un solo camino mide ese framework, no el entorno del cliente; contrastar el mismo hallazgo con dos harness reduce falsos positivos y, al dejar firmas distintas en los registros, prueba mejor la capacidad de detección.
Siguiente paso
¿Probamos tu entorno como lo haría un atacante con IA?
Cuéntanos qué sistemas quieres poner a prueba y qué te preocupa. Definimos alcance, exclusiones y ventana, y te decimos qué esperar antes de ejecutar la primera acción.