Malware generado por IA en 2026: cómo el "vibeware" de APT36 está desbordando las defensas cibernéticas
Cybool Threat Research Team
Ciberseguridad e Inteligencia de Amenazas
Su antivirus bloqueó la amenaza. Excelente. Pero mientras su equipo parchaba ese agujero, se abrieron tres más, cada uno escrito en un lenguaje de programación completamente distinto, cada uno invisible para sus herramientas de detección.
Esto no es hipotético. Está ocurriendo ahora mismo, y tiene un nombre: vibeware.
Investigadores de Bitdefender publicaron este mes un informe de referencia que documenta cómo APT36, un grupo de amenazas patrocinado por el Estado de Pakistán también conocido como Transparent Tribe, ha revolucionado silenciosamente su modelo de ataque. No volviéndose más inteligente. Volviéndose más ruidoso. Usando herramientas de codificación con IA para generar una avalancha industrial de variantes de malware, el grupo está ganando no por brillantez técnica, sino por puro volumen abrumador.
Esto es todo lo que necesita entender sobre esta amenaza y lo que significa para su organización.
¿Qué es el vibeware? La nueva clase de malware asistido por IA
El término "vibe coding" surgió del mundo del desarrollo de software. Describe la práctica de pedirle a herramientas de IA como GitHub Copilot o ChatGPT que escriban código sin que el desarrollador entienda del todo qué se está generando. Suficientemente bueno para publicar. No diseñado para durar.
APT36 tomó ese concepto y lo convirtió en arma.
El vibeware es malware generado por IA que prioriza el volumen y la variedad sobre la sofisticación técnica. El grupo está produciendo nuevas variantes de malware a una cadencia de un malware por día, reescribiendo la misma lógica maliciosa en una lista rotativa de lenguajes de programación que incluye:
- Nim — un lenguaje de sistemas compilado con cobertura mínima de antivirus
- Zig — un lenguaje de bajo nivel que apenas registra en la mayoría de los motores de detección
- Crystal — sintaxis similar a Ruby, huella de inteligencia de amenazas casi nula
- Rust — cada vez más popular, agnóstico del sistema operativo, difícil de revertir
- Go — rápido, multiplataforma, ampliamente mal utilizado por actores de amenazas
- Python, C#, PowerShell — para componentes heredados
¿La calidad del código? A menudo pésima. Bitdefender encontró un binario en Go desplegado para robar credenciales de navegador que tenía un marcador de posición de plantilla donde debería haber estado la URL de comando y control, lo que significa que el malware era físicamente incapaz de exfiltrar nada. Otra muestra colapsaba en el momento en que su lógica alcanzaba una complejidad moderada.
Pero eso es casi irrelevante.
La "denegación distribuida de detección" —por qué el código malo aun así gana
Esta es la verdad incómoda que APT36 ha descubierto: no se necesita buen malware si se tiene suficiente malware.
Las herramientas de seguridad tradicionales —antivirus, EDR, SIEM— construyen sus defensas en torno a firmas y patrones de comportamiento afinados para lenguajes comunes como C++ y C#. Reconocen amenazas que ya han visto antes.
El vibeware explota esto de forma sistemática. Al reescribir la misma lógica maliciosa en un lenguaje nuevo cada uno o dos días, APT36 reinicia la línea base de detección cada vez. Su base de datos de firmas nunca ha visto la variante en Crystal. No sabe cómo se ve el malware en Zig. Para cuando los proveedores de inteligencia de amenazas escriben reglas de detección, el siguiente lenguaje ya está en producción.
Bitdefender llama a esto una denegación distribuida de detección (DDoD), un ataque a su propia telemetría defensiva en lugar de a su red.
En la telemetría de Bitdefender, el volumen total de muestras únicas de malware generado por IA ha venido aumentando con fuerza durante los últimos seis meses, y APT36 es solo un actor en este ecosistema.
Dentro del ataque: cómo opera APT36
Paso 1 — Perfilado de objetivos vía LinkedIn
Los artefactos recuperados muestran al grupo recopilando activamente datos de LinkedIn para identificar y perfilar objetivos de alto valor dentro de agencias gubernamentales y militares de la India. Nombres, cargos, organigramas, todo alimentado en el flujo de selección de objetivos antes de desplegar una sola pieza de malware.
Paso 2 — Infección con múltiples implantes
Este es el movimiento característico. Las víctimas no se infectan con una sola pieza de malware. Son golpeadas con múltiples implantes simultáneos, cada uno escrito en un lenguaje distinto, cada uno usando un protocolo de comunicación separado.
¿Bloquea el implante en Nim? El de Zig sigue ejecutándose. ¿Elimina el de Zig? La variante en Go ha estado exfiltrando credenciales silenciosamente durante tres días. La respuesta a incidentes se convierte en una pesadilla de hilos paralelos que no comparten infraestructura.
Paso 3 — Viviendo de servicios confiables (LOTS)
En lugar de levantar infraestructura controlada por el atacante, que se marca y se bloquea, APT36 enruta su comando y control a través de servicios que su organización incluye en la lista blanca por defecto:
- Google Sheets — almacena instrucciones de malware como celdas de hoja de cálculo
- Slack — envía comandos en tiempo real y recibe datos robados
- Discord — usado como canal alterno de C2
- Supabase — usado para el almacenamiento intermedio y la exfiltración de datos
Su firewall ve una llamada a la API de Google. Su proxy registra una solicitud de Slack. Nada inusual. Mientras tanto, un implante de malware está leyendo su siguiente instrucción de una hoja de cálculo y subiendo sus documentos a un servidor de Discord.
Esta técnica, LOTS (vivir de servicios confiables), es particularmente eficaz con código generado por IA porque los LLM han sido entrenados con enormes cantidades de documentación pública de SDK para exactamente estas plataformas. Generar código estable de integración con Slack o Google Sheets es trivialmente fácil para una herramienta de IA moderna.
Paso 4 — La persona "Nightmare"
La investigación de Bitdefender sobre la infraestructura interna de APT36 identificó un nombre de usuario de desarrollador recurrente, "Nightmare", en múltiples sistemas y proyectos. Esta persona parece ser el arquitecto central de la flota de vibeware, coordinando la producción diaria de variantes y las operaciones de despliegue.
Se recuperó una imagen generada por IA desde dentro de su infraestructura, lo que sugiere que este grupo está integrando por completo herramientas de IA en todo su flujo de trabajo, no solo en la codificación.
El panorama más amplio: esto no es solo un problema de APT36
APT36 no inventó este modelo. Lo validó.
La tecnología subyacente —LLM que pueden reescribir lógica maliciosa en cualquier lenguaje de programación a demanda— está disponible para cualquiera con una conexión a internet. La barrera de entrada para ejecutar una campaña de malware sofisticada, multilenguaje y de alto volumen se ha desplomado a esencialmente cero.
El Grupo de Inteligencia de Amenazas de Google llegó recientemente a una conclusión similar, señalando que "todavía no han observado a actores APT lograr capacidades revolucionarias que alteren fundamentalmente el panorama de amenazas" —pero la palabra operativa es todavía. Lo que APT36 demuestra es que no se necesita una revolución. Se necesita industrialización.
A medida que las herramientas de codificación con IA se vuelven más capaces y más accesibles en 2026, espere que este modelo sea adoptado por:
- Grupos de ransomware con motivación financiera que buscan evadir las herramientas de EDR
- Estados-nación más pequeños que carecen de recursos tradicionales de guerra cibernética
- Operaciones de crimen como servicio que venden kits de malware generado por IA
La campaña de APT36 es una prueba de concepto. Las copias están en camino.
Lo que su organización debe hacer ahora
La detección basada en firmas está perdiendo la carrera armamentista contra el vibeware. Su estrategia defensiva necesita evolucionar en cinco direcciones específicas:
1. Priorice la detección por comportamiento sobre las firmas
Deje de preguntar "¿he visto este binario antes?". Empiece a preguntar "¿está este proceso haciendo algo que no debería?". Las herramientas modernas de EDR por comportamiento detectan actividad maliciosa sin importar en qué lenguaje se escribió el malware, porque observan lo que el código hace, no cómo se ve.
Herramientas como CrowdStrike Falcon, SentinelOne y Microsoft Defender for Endpoint con la IA de comportamiento activada son mucho más eficaces contra el vibeware que las bases de datos de firmas tradicionales.
2. Trate los servicios en la nube confiables como superficies de ataque
Su monitoreo de seguridad debe incluir detección de anomalías en servicios legítimos:
- Volúmenes inusuales de llamadas a la API de Google Sheets desde los endpoints
- Solicitudes a la API de Slack desde procesos que no son Slack
- Conexiones a Discord desde estaciones de trabajo que no usan Discord
- Tráfico de Supabase o de bases de datos como servicio similares desde fuentes inesperadas
Esto es incómodo —en esencia está auditando herramientas que sus propios empleados usan— pero ahora es necesario.
3. Asuma infecciones con múltiples implantes en la RI
Cuando su equipo de respuesta a incidentes encuentra malware, el manual antiguo dice: encuéntrelo, elimínelo, cierre el agujero. El nuevo manual dice: asuma que hay tres más.
Los procesos de RI deben incluir análisis forense completo de memoria en todos los endpoints, el cruce del tráfico de red para identificar canales de C2 paralelos y una rotación completa de credenciales, porque si un implante tuvo acceso, los otros también.
4. Invierta en inteligencia de amenazas sobre lenguajes de nicho
La mayoría de los feeds de inteligencia de amenazas están fuertemente sesgados hacia el malware en C++, .NET y Python. Empiece a rastrear específicamente:
- Muestras de malware en Nim, Zig, Crystal y el lenguaje V
- Patrones de comportamiento para implantes en Go y Rust
- Reglas de detección para técnicas LOTS en plataformas confiables
5. Estratifique sus defensas —ninguna herramienta por sí sola es suficiente
El vibeware está diseñado para vencer herramientas individuales. La única respuesta eficaz es apilar: EDR + detección de anomalías de red + monitoreo de acceso a la nube + tecnología de engaño (honeypots) + feeds de inteligencia de amenazas. Cada capa atrapa lo que las otras pasan por alto.
La conclusión
El vibeware no impresiona por su calidad técnica. Impresiona por su estrategia. APT36 ha convertido las limitaciones del código generado por IA —mediocre, propenso a errores, derivativo— en una ventaja. Inundar la zona. Abrumar las firmas. Esconderse en servicios confiables. Mantener canales de acceso paralelos.
El código no necesita ser bueno. Necesita ser implacable.
La pregunta no es si su organización enfrentará malware generado por IA en 2026. Ya lo está haciendo. La pregunta es si su stack de seguridad está construido para un mundo donde los atacantes pueden generar variantes de malware frescas e indetectables más rápido de lo que sus proveedores pueden escribir firmas para ellas.
Si no está seguro, esa es exactamente la conversación que hay que tener ahora, antes de que un incidente la fuerce.
Fuentes: Bitdefender Threat Research (marzo de 2026), Computer Weekly, The Hacker News, MITRE ATT&CK G0134
¿Quiere saber si su organización está expuesta a amenazas de malware generado por IA? Contacte al equipo de seguridad de Cybool para una evaluación inmediata.
