Por Canuto  

El programa Glasswing de Anthropic ayudó a identificar 225 vulnerabilidades, pero los datos disponibles muestran que solo una tiene explotación confirmada en la naturaleza. El contraste sugiere que descubrir fallas con inteligencia artificial no garantiza que resulten útiles para los atacantes ni que puedan repararse sin intervención humana.
***

  • Un investigador de VulnCheck contabilizó 225 CVE atribuidas a Anthropic o Project Glasswing.
  • Solo CVE-2026-26980, una inyección SQL crítica en Ghost, registra explotación confirmada en la naturaleza.
  • Los modelos de IA encuentran vulnerabilidades con mayor facilidad, pero todavía fallan con frecuencia al corregirlas.

La inteligencia artificial está elevando la velocidad con la que investigadores y empresas encuentran errores de seguridad, pero ese avance no se ha convertido automáticamente en una nueva oleada de ataques. Un seguimiento del investigador Patrick Garrity, de VulnCheck, contabilizó 225 vulnerabilidades vinculadas a Anthropic y a su iniciativa Project Glasswing, aunque solo una aparece con explotación confirmada en la naturaleza.

El dato cuestiona una de las principales preocupaciones alrededor de los modelos de frontera: que una capacidad superior para localizar y aprovechar fallas produciría de inmediato un arsenal más amplio para los actores maliciosos. La evidencia disponible apunta a un escenario más complejo, en el que descubrir un error representa apenas el primer paso de una cadena que también exige utilidad operativa, coordinación, desarrollo de herramientas y despliegue.

Un inventario amplio con pocas señales de ataque

Garrity comenzó a rastrear los identificadores CVE atribuidos a Anthropic o Project Glasswing poco después de que la compañía anunciara el programa en abril. Su registro reúne las vulnerabilidades acreditadas al equipo de Anthropic y a los participantes de Glasswing, y luego las contrasta con el índice de vulnerabilidades explotadas conocidas para medir con mayor precisión su impacto en las amenazas.

Hasta el lunes 21 de septiembre de 2026, el recuento llegaba a 225 CVE. Sin embargo, la única falla con explotación confirmada en la naturaleza era CVE-2026-26980, un error crítico de inyección SQL en Ghost, lo que equivale a menos de 0,5% del conjunto identificado por el investigador.

La diferencia entre el volumen de descubrimientos y el uso criminal efectivo es central para interpretar los resultados. Garrity explicó a The Register que encontrar vulnerabilidades no significa que estas sean necesariamente útiles para los actores de amenazas ni que vayan a utilizarse en campañas reales.

Según el investigador, los datos sugieren que las vulnerabilidades descubiertas y divulgadas por Anthropic tienen hasta ahora un impacto limitado y no producen, desde la perspectiva de las amenazas, resultados distintos a los de una selección aleatoria de otras fallas. Anthropic no respondió de inmediato a las preguntas del medio sobre el seguimiento, aunque la información podría actualizarse si la empresa ofrece comentarios.

Glasswing y la promesa de Claude Mythos Preview

Project Glasswing fue creado para permitir que socios seleccionados utilizaran Claude Mythos Preview en tareas de seguridad defensiva. Anthropic restringió el acceso porque consideraba que el modelo podía encontrar y explotar errores a un nivel superior al de casi todos los especialistas humanos, una capacidad que la compañía juzgó demasiado riesgosa para una publicación abierta.

Los participantes verificados emplean el modelo para revisar sus propios productos de software y dependencias de código abierto, con el objetivo de localizar fallas y corregirlas antes de que puedan ser aprovechadas. Ese diseño intenta orientar la potencia de la IA hacia la defensa, pero también deja visible una tensión: cada vulnerabilidad descubierta puede convertirse en información sensible si la divulgación y la reparación no avanzan al mismo ritmo.

Garrity no cuestiona que los sistemas de IA estén encontrando más errores. Su advertencia se dirige a lo que considera una exageración recurrente: asumir que cada vulnerabilidad o fallo identificado terminará siendo utilizado por actores maliciosos, cuando históricamente solo una fracción pequeña llega a ser armada y desplegada en campañas de explotación.

El investigador situó esa proporción histórica entre algo menos de 1% y 2% de las vulnerabilidades. También señaló que la capacidad de encontrar fallas no es exclusiva de un solo modelo ni de una única arquitectura de evaluación, una observación relevante mientras distintas compañías incorporan IA a sus procesos de auditoría y desarrollo seguro.

El desafío posterior al descubrimiento

El aumento de hallazgos no significa que la industria haya resuelto el problema de la remediación. Durante los últimos meses, grandes proveedores como Microsoft, Apple y Palo Alto Networks han publicado extensos conjuntos de parches, mientras numerosos proyectos de código abierto continúan revelando y corrigiendo vulnerabilidades en sus propias dependencias.

La dificultad se vuelve más evidente cuando la IA intenta reparar el código que acaba de analizar. Un estudio del equipo de investigación de 1Password produjo y examinó 6.080 parches generados por ChatGPT-5.5 de OpenAI y Opus 4.8 de Anthropic; las correcciones resolvieron completamente la vulnerabilidad solo 26% de las veces.

En aproximadamente 54% de los casos, los modelos no solucionaron el problema, introdujeron una vulnerabilidad nueva o incurrieron en ambas situaciones. El resultado muestra que un sistema puede ser eficaz para señalar un defecto y, al mismo tiempo, poco confiable cuando debe modificar un producto complejo sin alterar su seguridad ni su funcionamiento.

Otro estudio de Veracode, realizado sobre más de 100 modelos y 80 tareas de programación, calculó una tasa promedio de aprobación de seguridad de 56% para el código generado por IA. La cifra refuerza la necesidad de revisión humana, pruebas independientes y procesos de despliegue capaces de detectar errores que el modelo no identifica o que introduce durante la corrección.

La participación humana sigue siendo decisiva

Para Garrity, el umbral de entrada al descubrimiento de vulnerabilidades se ha reducido con la IA, pero la brecha principal aparece después. La coordinación entre equipos, la clasificación de riesgos, la remediación y la distribución de parches siguen dependiendo en gran medida de personas, incluso cuando una herramienta automatizada encuentra el problema inicial.

Ese proceso resulta especialmente complejo cuando una falla afecta a una dependencia de código abierto utilizada por múltiples productos. Identificar el error es solo una parte del trabajo: los responsables deben confirmar su alcance, preparar una solución, probarla en distintos entornos, comunicar el riesgo y conseguir que los usuarios instalen la actualización antes de que un atacante pueda aprovecharla.

La experiencia de Glasswing también plantea una cuestión sobre la forma en que se mide el riesgo de los modelos avanzados. Un inventario de 225 CVE puede parecer alarmante si se observa sin contexto, pero la explotación confirmada de una sola vulnerabilidad indica que el volumen bruto de hallazgos no basta para estimar el peligro efectivo.

El panorama podría cambiar si los atacantes mejoran sus procesos para convertir descubrimientos en operaciones confiables, pero los datos disponibles no muestran todavía ese salto. Por ahora, la IA está acelerando la búsqueda de fallas más rápido de lo que puede reemplazar a los especialistas encargados de evaluar, corregir y desplegar defensas.

La conclusión no es que los modelos de IA carezcan de utilidad para la ciberseguridad, sino que su valor depende de todo el sistema que los rodea. El principal riesgo no está necesariamente en cada vulnerabilidad encontrada, sino en la posibilidad de que organizaciones saturadas no logren priorizar y corregir a tiempo aquellas que sí ofrecen una ruta práctica de ataque.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados