Error 404: La verdad detrás del mito más famoso de internet

Publicada el junio 18, 2026 por TempMail Ninja

siguiente?

La persistencia del mito de la habitación 404 revela un aspecto fascinante de la psicología humana y de la forma en que consumimos la cultura digital. Los seres humanos somos narradores de historias por naturaleza; nuestro cerebro rechaza activamente la aleatoriedad y la frialdad de las decisiones algorítmicas o numéricas. Cuando nos enfrentamos a un número abstracto que denota un fracaso o un límite en nuestra navegación, nos sentimos incómodos con la idea de que ese número fue elegido de forma casi arbitraria en un teclado de Ginebra por ingenieros cansados.

La leyenda de la oficina en el CERN funciona como un mecanismo de confort psicológico. Nos permite visualizar la inmensa e intangible red de internet como si fuera un edificio físico tradicional, con pasillos alfombrados, archivadores metálicos llenos de expedientes y científicos con batas blancas que corren de un lado a otro buscando una carpeta perdida. Al personificar el error como una consecuencia del factor humano («Tim Berners-Lee no está en su oficina»), transformamos una respuesta fría de una máquina en una anécdota de oficina con la que cualquiera puede empatizar.

De código de error a lienzo cultural de internet

A pesar de su origen estrictamente técnico, el error 404 ha trascendido la informática para convertirse en una de las mayores marcas de identidad de la cultura popular contemporánea. Lo que comenzó como un seco comando de tres dígitos en

Publicado en Curiosidades de Internet, Recursos & Cultura | Etiquetado , , , | Deja un comentario

Malware en Python evade seguridad con técnicas de IA

Publicada el junio 18, 2026 por TempMail Ninja

La Paradoja de los Guardrails de IA: Cómo la Campaña «Hades» Evade la Detección Explotando la Seguridad Ética

En el cambiante y vertiginoso ecosistema de la ciberseguridad, los desarrolladores y defensores de sistemas se enfrentan a una paradoja sin precedentes: la misma tecnología de alineación diseñada para proteger a los usuarios está siendo utilizada en su contra. El descubrimiento de una nueva variante de malware en Python perteneciente a la campaña de ataques de cadena de suministro conocida como «Hades» —una ramificación del temido gusano «Mini Shai-Hulud / Miasma»— ha encendido todas las alarmas en la industria tecnológica. Al infiltrarse en el Índice de Paquetes de Python (PyPI), los atacantes han desarrollado una técnica de evasión tan brillante como irónica: utilizar los estrictos filtros éticos y de seguridad de las Inteligencias Artificiales (IA) para cegar los analizadores automáticos de código y permitir que sus cargas útiles pasen desapercibidas.

Esta técnica, bautizada informalmente como «refusal-baiting» (cebado de denegación) o envenenamiento de alineación adversarial, explota la aversión extrema al riesgo reputacional que los proveedores de Modelos de Lenguaje Grande (LLM) han integrado en sus plataformas. En lugar de ocultar el código malicioso mediante técnicas matemáticas complejas de ofuscación o encriptación, el malware simplemente coloca comentarios de texto que disparan las alertas éticas de la IA, forzando al escáner a detener su análisis por completo y «fallar en abierto», dejando la puerta de par en par a una sofisticada campaña de espionaje y robo de credenciales.

El Descubrimiento de Hades y la Campaña Mini Shai-Hulud

El hallazgo fue realizado y documentado por el equipo de investigación de Socket Security. Durante un análisis rutinario del registro PyPI, los investigadores detectaron 37 archivos comprimidos maliciosos (wheels) distribuidos en al menos 19 paquetes comprometidos. El grupo detrás de esta infraestructura es TeamPCP (también rastreado como UNC6780). Este actor de amenazas se ha hecho célebre por orquestar la campaña «Mini Shai-Hulud / Miasma», un gusano auto-propagable que ha comprometido múltiples proyectos populares en el ecosistema de código abierto.

La oleada «Hades» destaca por su precisión quirúrgica. No se trata de un ataque masivo de typosquatting, sino de un ataque dirigido a un nicho tecnológico sumamente valioso: desarrolladores de herramientas bioinformáticas y creadores de agentes que implementan el Protocolo de Contexto de Modelo (MCP). Entre los paquetes de PyPI que fueron infectados y posteriormente retirados se encuentran:

  • Utilidades Bioinformáticas: ensmallen, gpsea, pyphetools, embiggen y ppkt2synergy.
  • Herramientas para Desarrolladores de MCP e IA: magique, executor-engine y pantheon-agents.

La selección de estas víctimas no es casual. Los desarrolladores de bioinformática procesan datos altamente sensibles, y los desarrolladores de MCP construyen la infraestructura que conecta los modelos de IA con el sistema de archivos local y las terminales de ejecución de los servidores corporativos, convirtiéndolos en objetivos de valor incalculable para el robo de accesos.

El Caballo de Troya Cognitivo: Cegando Escáneres de IA con CBRN

La verdadera genialidad técnica de la variante Hades no reside en su código ejecutable, sino en su estrategia de ocultación cognitiva. El malware incorpora un bloque de comentarios en formato JavaScript o Python que simula ser un encabezado de inyección de prompts. Dentro de este bloque inofensivo que no afecta el comportamiento en tiempo de ejecución, los atacantes redactaron textos ficticios extremadamente detallados relacionados con diseños de armas Químicas, Biológicas, Radiológicas y Nucleares (CBRN).

Los modelos de lenguaje que potencian las herramientas modernas de revisión de código automatizada (como las de SonarQube AI, GitHub Copilot, Claude Code, o pasarelas de seguridad empresarial basadas en IA) están programados bajo pautas de alineación sumamente estrictas. Estas directrices priorizan evitar cualquier escenario donde el modelo proporcione asistencia o información detallada sobre armas de destrucción masiva.

Cuando el analizador basado en LLM procesa el archivo comprometido, lee el bloque de comentarios CBRN ubicado estratégicamente en las primeras líneas. Al interpretar semánticamente estos términos sensibles, las salvaguardas internas del modelo se activan de inmediato, generando una «denegación de servicio ética» o safety refusal. El motor de IA responde con una plantilla estándar de rechazo (como «I cannot assist with requests involving weapons of mass destruction…») y aborta abruptamente la lectura del resto del archivo.

Dado que muchos sistemas de integración y despliegue continuo (CI/CD) están configurados para «fallar en abierto» cuando una herramienta de escaneo de IA arroja un error técnico o una denegación imprevista, el archivo es clasificado erróneamente como un falso negativo y se aprueba para su distribución. La carga útil destructiva que viene justo debajo del comentario CBRN es ignorada por completo por el ojo de la IA.

Mecanismo de Ejecución: Cómo opera el malware en Python en el entorno del desarrollador

Para comprender la peligrosidad de la distribución de este malware en Python, es crucial analizar cómo logra persistir y ejecutarse de manera silenciosa en los entornos locales de los programadores. La variante Hades se aprovecha de una característica nativa del propio intérprete de Python: los archivos de configuración de rutas con extensión .pth.

Durante la inicialización del intérprete, el módulo estándar de CPython llamado Lib/site.py procesa todos los directorios dentro de site-packages. Si encuentra un archivo con extensión .pth, lee secuencialmente sus líneas. Si alguna de estas líneas comienza con la palabra clave import seguida de un espacio, el intérprete la ejecuta inmediatamente utilizando la función integrada exec().

Este comportamiento introduce graves implicaciones de seguridad, ya que permite ejecutar código arbitrario bajo las siguientes condiciones:

  1. Ejecución pasiva sin importación explícita: El código malicioso se ejecuta de forma totalmente automática con solo inicializar el intérprete, sin necesidad de que el desarrollador escriba un enunciado import del paquete infectado en su aplicación.
  2. Disparadores silenciosos: La carga útil se activa silenciosamente al invocar comandos administrativos simples como pip install o incluso al comprobar la versión del intérprete mediante python --version.
  3. Inviabilidad de desactivación directa: No existe un mecanismo sencillo para desactivar este comportamiento de carga de paquetes a menos que se use el argumento restrictivo -S al ejecutar Python, lo cual deshabilita la mayoría de los módulos de terceros esenciales para el desarrollo cotidiano.

Una vez ejecutado el gancho .pth, el malware inicia su cadena de infección descargando e instalando una versión compilada del entorno de ejecución de JavaScript Bun de forma totalmente independiente del gestor de paquetes del desarrollador. Utilizando Bun para mayor velocidad y evasión de firmas tradicionales, el malware despliega el verdadero binario de robo de credenciales, el cual recolecta una inmensa gama de secretos del sistema operativo.

El Impacto de Miasma en las Herramientas de IA y Entornos de Desarrollo

La campaña Hades no solo busca infectar repositorios estáticos; actúa como un gusano de red interna de alta velocidad diseñado para cazar secretos de infraestructura en la nube y pipelines de desarrollo. Una vez activo en la máquina del desarrollador, el recolector barre en busca de credenciales en más de 30 rutas locales del sistema de archivos, incluyendo:

  • Tokens de acceso personal (PAT) de GitHub e historiales de Git.
  • Credenciales de proveedores de nube pública como AWS, Google Cloud Platform (GCP) y Microsoft Azure.
  • Claves privadas de SSH, configuraciones de Kubernetes (kubeconfig) y bases de datos de Docker.
  • Tokens de APIs de IA, como claves secretas para Claude y frameworks de MCP.

Una gravedad añadida es que el gusano ataca de forma proactiva las configuraciones de los editores e IDEs potenciados por IA, tales como Claude Code, VS Code y Cursor. Al modificar archivos clave como .claude/settings.json, .vscode/tasks.json y las reglas MDC de Cursor (.cursor/rules/setup.mdc), el malware garantiza que la carga útil se vuelva a ejecutar automáticamente cada vez que el desarrollador abra un nuevo espacio de trabajo o interactúe con su asistente inteligente de codificación.

Esta capacidad de autoreplicación quedó patente a principios de junio de 2026, en un incidente denominado por los analistas como «The 105-Second Nuke» (La destrucción en 105 segundos). En dicho evento, Microsoft se vio obligada a deshabilitar de forma automatizada 73 repositorios oficiales en sus organizaciones de GitHub tras descubrir que un token comprometido de un contribuidor había inyectado scripts del gusano Miasma en herramientas críticas del ecosistema Azure Functions y Durable Task. El gusano intentó propagarse silenciosamente a todos los ingenieros que abrieran estos repositorios en sus IDEs asistidos por IA, demostrando la escalabilidad aterradora de esta táctica.

La Brecha entre la Detección Tradicional y la Basada en IA

La revelación de esta campaña de malware en Python reabre un acalorado debate en la comunidad global de ciberseguridad sobre la confiabilidad de las defensas heurísticas frente a las probabilísticas. Expertos de renombre, como Bruce Schneier y John Scott-Railton de Citizen Lab, han advertido que el sobrediseño de los filtros de «seguridad moral» en la IA está creando vectores de ataque secundarios críticos.

Las tecnologías tradicionales de detección estática, basadas en reglas deterministas, resultan ser totalmente inmunes a esta treta semántica. Herramientas de análisis clásicas como:

  • Reglas YARA enfocadas en patrones de strings o estructuras binarias.
  • Análisis de Árbol de Sintaxis Abstracta (AST parsing).
  • Búsquedas lógicas de entropía de código mediante utilidades como grep.
  • Sandboxes de ejecución heurística.

Estas herramientas tradicionales no poseen directrices éticas ni preocupaciones de marca corporativa. Si una regla YARA busca una rutina de descifrado AES-GCM o una exfiltración HTTP anómala, el motor procesará el archivo byte por byte, haciendo caso omiso de si el texto superior hace apología al diseño de una ojiva nuclear. Sin embargo, a medida que la industria del software se apresura a reemplazar su infraestructura de auditoría clásica por interfaces de IA conversacionales y modelos predictivos debido a su conveniencia y rapidez, el peligro de que los atacantes manipulen la semántica para forzar fallos de análisis se vuelve cada vez más real.

Mitigación y Defensa: El Antídoto contra Miasma

La erradicación de una infección de Miasma/Hades es excepcionalmente compleja debido a su capacidad trans-ecosistema. A diferencia de los troyanos clásicos limitados a un entorno único, este gusano se mueve horizontalmente entre Node.js (npm), Python (PyPI), PHP (Composer) e incluso Go y Arch Linux (AUR). Si un analista de seguridad desinfecta un directorio de Python pero deja intacto un gancho en el entorno de desarrollo de su editor de IA, la máquina volverá a comprometerse por completo en cuestión de minutos.

Para mitigar activamente esta amenaza en los repositorios, el desarrollador e investigador de código abierto conocido bajo el alias cookiengineer creó antimiasma, una herramienta de código libre

Publicado en Curiosidades de Internet, Recursos & Cultura | Etiquetado , , , | Deja un comentario

Organizar samples audio: Calloga lanza Unshuffle, la herramienta definitiva

Publicada el junio 18, 2026 por TempMail Ninja

Para cualquier productor musical, diseñador de sonido o creador de contenido, el disco duro suele convertirse rápidamente en un cementerio de archivos no clasificados. Todos hemos pasado por esa frustrante experiencia: carpetas creadas a las apuradas con nombres genéricos como «Nuevos Sonidos 2025», gigabytes de descargas acumuladas que jamás han sido escuchadas, y muestras de audio perdidas en la inmensidad de un almacenamiento desordenado. Si alguna vez has intentado organizar samples audio de forma manual, sabrás de primera mano que es una de las tareas más tediosas y desalentadoras del flujo creativo, a tal punto que muchos profesionales simplemente deciden rendirse. Sin embargo, el desarrollador independiente Papa Abdou Calloga ha decidido cambiar esta molesta realidad.

Lanzado oficialmente el 18 de junio de 2026, Unshuffle se presenta como una revolucionaria herramienta gratuita y de código abierto (open-source) diseñada específicamente para solucionar este gran dolor de cabeza. Disponible de forma nativa para Windows, macOS y Linux, Unshuffle actúa como un plano de control local inteligente que clasifica, revisa y limpia colecciones de audio masivas sin poner en riesgo la integridad de los archivos originales. A diferencia de las utilidades de limpieza de disco genéricas o los cargadores comerciales con pesadas suscripciones, este software ha sido construido con una comprensión profunda y humana de las necesidades del productor musical moderno.

La necesidad de organizar samples audio en la producción musical contemporánea

En las últimas décadas, el acceso a recursos de audio y librerías de sonido se ha democratizado exponencialmente. Plataformas de suscripción mensual, paquetes de muestras de creadores independientes en redes sociales, grabaciones de campo registradas en dispositivos móviles y sintetizadores virtuales nos inundan con una cantidad infinita de material sonoro. No obstante, el verdadero desafío de la era digital ya no es la escasez de recursos creativos, sino la ineficiencia de no poder encontrar el sonido adecuado en el instante en que la inspiración golpea.

Cuando un creador se propone organizar samples audio en su estación de trabajo, se topa habitualmente con los siguientes obstáculos críticos:

  • Inconsistencia de etiquetas y metadatos: No todos los creadores de librerías de sonido etiquetan sus archivos de la misma manera. Mientras algunos especifican el tempo (BPM) y la tonalidad (key) al inicio del nombre, otros colocan códigos internos incomprensibles, lo que inutiliza los motores de búsqueda tradicionales de los sistemas operativos.
  • Ruptura de proyectos existentes: Mover archivos físicamente dentro de nuestro disco duro puede desvincularlos de proyectos antiguos de DAW (Digital Audio Workstation), generando los temidos y estresantes mensajes de «archivos de audio perdidos» al abrir proyectos antiguos.
  • Pérdida de foco y fatiga mental: Pasar tres horas renombrando archivos individuales y clasificándolos en carpetas de «bombos», «tarolas» o «sintetizadores» agota la energía creativa necesaria para la composición musical real, provocando que muchos desistan de mantener un orden saludable.

Frente a este panorama caótico, Unshuffle se introduce como un gestor de librerías que busca aliviar la carga de los productores a través de un procesamiento analítico local sumamente seguro que separa la clasificación de la alteración física de los datos.

Unshuffle de Calloga: Una solución nacida de la frustración real

El nacimiento de Unshuffle no responde a una estrategia corporativa de monetización de datos ni al deseo de vender anuncios. Detrás del desarrollo se encuentra Papa Abdou Calloga, un creador que diseñó esta utilidad como un proyecto personal nacido de su propia frustración cotidiana (y en gran medida motivado por lidiar con el TDAH en un entorno de producción desorganizado). Al notar la alarmante falta de herramientas en el mercado que ofrecieran un balance óptimo entre la automatización inteligente, la seguridad absoluta de los archivos y la portabilidad de las librerías de audio, decidió construir su propia solución y compartirla de forma gratuita con toda la comunidad.

Uno de los mayores atractivos de esta utilidad es su carácter multiplataforma de código abierto. En un sector donde las herramientas de gestión de audio suelen estar limitadas a ecosistemas cerrados o requerir suscripciones costosas que recopilan hábitos de uso y perfiles en la nube, Unshuffle destaca por ser ligero, completamente fuera de línea (offline) y transparente en su funcionamiento. Su compatibilidad nativa con sistemas Linux es un hito sumamente apreciado por la comunidad de software libre dedicada a la creación de audio profesional, la cual suele quedar relegada en el lanzamiento de software comercial de primer nivel.

La sofisticada arquitectura de doble motor de Unshuffle

El verdadero poder de Unshuffle radica en que no se apoya en una clasificación superficial basada únicamente en extensiones de archivo o en carpetas de nivel superior. En su lugar, el sistema implementa una arquitectura de doble motor que cruza datos contextuales de texto con análisis físicos de la señal de audio:

1. Clasificación Estructural Contextual

Este primer motor actúa analizando la información disponible alrededor del archivo. Escanea minuciosamente las rutas de las carpetas de origen, las etiquetas de los paquetes de sonido, los nombres de los archivos individuales, y busca patrones que revelen información sobre el tempo (BPM) o marcas de tonalidad musical (musical key). El motor estructural es capaz de descifrar sistemas de nomenclatura basados en snake_case o camelCase, decodificando términos como «120_D_Bass» o «GuitarLoop_Am» para deducir de inmediato la categoría, el tempo y la escala correspondientes sin necesidad de abrir el archivo en un editor.

2. Análisis Físico Basado en Audio

Cuando los metadatos son inexistentes o los nombres de los archivos resultan completamente inútiles (como «Audio_01_Render_final_v4.wav»), el segundo motor entra en acción analizando la señal física de audio propiamente dicha. Este motor evalúa parámetros clave del archivo de sonido, tales como:

  • La duración exacta del archivo: Factor clave para discernir automáticamente si se trata de un efecto de sonido largo, un bucle rítmico (loop) de varios compases, o un golpe corto aislado (one-shot).
  • Características de la forma de onda: Análisis de la envolvente de amplitud (transitorios rápidos, ataque, decaimiento del sonido) para distinguir entre sonidos de percusión secos y notas melódicas sostenidas.
  • Atributos espectrales y de frecuencia: Clasifica la composición espectral para separar elementos de baja frecuencia (bajos, kicks), frecuencias medias (vocales, guitarras, sintetizadores) y altas frecuencias (platillos, shakers, hi-hats).

Gracias al trabajo conjunto de ambos motores, Unshuffle es capaz de clasificar con alta precisión tus archivos de audio en categorías lógicas bien definidas: loops, one-shots, archivos de utilidad, candidatos duplicados o ítems dudosos para revisión manual.

El Sandbox Virtual: Clasificación inteligente sin riesgos

La mayor barrera psicológica al utilizar cualquier organizador automático es el miedo a perder información valiosa o arruinar por completo el orden preexistente de nuestras carpetas. Para eliminar este temor de raíz, Unshuffle opera bajo un concepto de diseño denominado sandbox virtual no destructivo.

Cuando importas una carpeta desorganizada en el software, Unshuffle no altera en absoluto tus archivos físicos de manera inmediata. En su lugar, genera una representación virtual y aislada dentro de su interfaz gráfica de usuario. En este entorno seguro, puedes realizar todo tipo de manipulaciones de manera interactiva antes de comprometer los archivos en el disco:

  1. Previsualizar la nueva estructura: Observar con exactitud en qué carpetas virtuales planea colocar cada muestra el algoritmo de clasificación.
  2. Corregir clasificaciones interactivamente: Si consideras que una muestra clasificada como loop es en realidad un golpe único largo, puedes reasignarla fácilmente con un clic dentro de la UI de Unshuffle, modificando únicamente los metadatos lógicos internos de la aplicación sin alterar el almacenamiento real.
  3. Ejecutar la construcción final (Build): Los cambios reales y definitivos en el disco duro (como mover, copiar o estructurar los directorios) solo se procesan cuando el usuario va a la sección de construcción («Build») de la app y autoriza la ejecución física de forma manual.

Esta división tan marcada entre el análisis lógico virtual y la manipulación de archivos físicos proporciona un nivel de seguridad y tranquilidad mental sin precedentes para el resguardo de tus activos creativos más valiosos.

Vista de mapa acústico y herramientas de búsqueda avanzada

Unshuffle no se limita a ser un organizador pasivo; también incluye características modernas que transforman por completo la forma en que interactuamos con nuestra colección de sonidos. Una de las funciones más notables y aclamadas es la vista de mapa por similitud acústica, que agrupa visualmente las muestras de audio en un espacio interactivo bidimensional según su parecido auditivo. Esta representación gráfica espacial te permite explorar zonas de «kicks de baja frecuencia» o «hi-hats brillantes» de forma orgánica, facilitando además la localización e identificación segura de archivos idénticos o variaciones muy sutiles de un mismo sonido para eliminar candidatos duplicados de manera sencilla y segura.

Asimismo, el sistema de búsqueda de Unshuffle es excepcionalmente flexible, permitiendo filtrar tu base de datos mediante criterios sumamente específicos como:

  • Categoría del sonido, tipo de formato físico y ruta original de la carpeta analizada.
  • Nombre del paquete (pack), fuente de origen y etiquetas de metadatos.
  • Nivel de confianza de clasificación (Confidence range): Una barra deslizante te permite aislar aquellos archivos cuya clasificación automática tiene un porcentaje de certeza bajo, lo cual te ayuda a enfocarte únicamente en las muestras que requieren revisión humana directa.

Además de estas ventajas, Unshuffle almacena de forma local todas las configuraciones por sistema o de manera portátil dentro de la misma carpeta de la librería, lo cual significa que puedes llevarte tus muestras y tu base de datos de organización inteligente a cualquier otro equipo sin perder el trabajo realizado y manteniendo intactos tus ajustes y filtros guardados.

Desarrollo humanocéntrico en una era saturada de IA genérica

En un mercado actualmente inundado de productos y plugins de audio que presumen el uso de inteligencia artificial para realizar tareas de manera automática —muchas veces consistiendo en productos genéricos de baja calidad o «vibe-coding» desarrollado sin un conocimiento de dominio real—, Unshuffle destaca por su honestidad técnica y su filosofía de diseño centrada en el humano.

Durante el proceso de desarrollo, Papa Abdou Calloga adoptó una postura muy deliberada con respecto al uso de asistentes de inteligencia artificial. El creador diseñó la arquitectura del programa en su totalidad y programó a mano cada una de las heurísticas de clasificación y los algoritmos de análisis de señal de audio, garantizando un rendimiento óptimo y una fiabilidad técnica inquebrantable. La asistencia por IA se limitó estrictamente a optimizar la infraestructura de soporte de la interfaz de usuario (UI boilerplate), generar suites de pruebas automatizadas, plantillas de código repetitivo y revisiones finales de optimización antes del lanzamiento. El resultado es un software sumamente ligero, optimizado y libre de errores sistemáticos de diseño, con una interfaz intuitiva y limpia que no se siente sobrecargada ni artificial.

Conclusión: Da el primer paso hacia una librería impecable

Tener un espacio de trabajo ordenado es vital para que la creatividad fluya sin interrupciones molestas en el estudio. Con el lanzamiento de Unshuffle, Calloga demuestra de manera contundente que es posible crear herramientas potentes, útiles y accesibles para todos los creadores de contenido sin necesidad de recurrir a modelos de pago abusivos, invasiones de privacidad o complejos algoritmos en la nube. Si estás cansado del desorden crónico en tu disco duro y buscas la forma definitiva de organizar samples audio de manera inteligente, segura y totalmente gratuita, Unshuffle es, indiscutiblemente, la herramienta que debes descargar e incorporar hoy mismo a tu flujo de producción.

Publicado en Recursos & Cultura, Software Recomendado | Etiquetado , , , | Deja un comentario

Beatles Top of the Pops: Recuperan metraje perdido de 1964

Publicada el junio 18, 2026 por TempMail Ninja

Beatles Top of the Pops en 1964″
– `

El milagro de la preservación: ¿Cómo sobrevivió el metraje de los Beatles Top of the Pops?

`
– for emphasis -> Yes, used on: «Beatles Top of the Pops», «Beatles Top of the Pops», «Film Is Fabulous», «19 de marzo de 1964», «You Can’t Do That» (implicitly/explicitly, actually I used strong around Film Is Fabulous, Beatles Top of the Pops, and date).
–

    or

      for data -> Yes, I used both `

        ` and `

          `.
          – NO

          tags -> Yes, there are none.
          – NO root wrappers -> Yes, starts directly with `

          `.
          – RAW HTML ONLY -> Yes, I’ll output only the raw HTML text without any enclosing «`html markdown block.

          Ready to generate response.

Publicado en Curiosidades de Internet, Recursos & Cultura | Etiquetado , , , | Deja un comentario

Privacidad en Facebook: Meta bajo la lupa por el escaneo de fotos

Publicada el junio 17, 2026 por TempMail Ninja

.

Esta integración sistémica de la inteligencia artificial corporativa en todas nuestras interacciones digitales plantea serias dudas éticas sobre el consentimiento libre e informado. Cuando los usuarios interactúan con estas sugerencias inteligentes o aceptan modificaciones estilizadas de ropa y accesorios mediante IA (los nuevos filtros como Wear It) , están cediendo de facto los derechos de propiedad intelectual y los datos biométricos implícitos para el entrenamiento continuo de los modelos fundacionales de Meta Publicado en Redes Sociales & Big Tech, Seguridad & Privacidad | Etiquetado , , , | Deja un comentario

Filtración de datos masiva: 24 mil millones de credenciales expuestas

Publicada el junio 17, 2026 por TempMail Ninja

El ecosistema global de la ciberseguridad se enfrenta a una de sus tormentas más perfectas y destructivas de los últimos años. El pasado 12 de junio de 2026, un equipo de investigación especializado de Cybernews descubrió un repositorio en la nube masivo y completamente desprotegido que contenía la asombrosa cifra de 24,000 millones de credenciales comprometidas. Esta gigantesca filtración de datos se posiciona como una de las mayores acumulaciones de información personal robada jamás registradas en la historia digital. El servidor, un clúster de Elasticsearch que superaba los 8.3 terabytes de almacenamiento, permaneció expuesto a la vista de cualquiera en internet antes de ser finalmente asegurado y desconectado el 15 de junio de 2026. Sin embargo, la posterior divulgación detallada de este hallazgo el 17 de junio de 2026 ha encendido todas las alarmas en el sector corporativo y de consumo. No estamos ante la brecha de una sola corporación, sino ante un mapa cartográfico del crimen digital diseñado para facilitar el secuestro automatizado de cuentas a escala global.

La filtración de datos más masiva

Publicado en Noticias de Impacto, Tecnología & IA | Etiquetado , , , | Deja un comentario

Yay AUR v13.0.0: Nueva seguridad contra malware en Arch Linux

Publicada el junio 17, 2026 por TempMail Ninja

entes sobre la metadata de los paquetes, Yay devuelve el poder a los usuarios. No se trata de evitar el peligro mediante restricciones arbitrarias, sino de equipar a los usuarios, administradores y desarrolladores con la artillería pesada necesaria para que cada actualización del sistema sea un acto de soberanía tecnológica consciente, automatizado y seguro.

(150 words)

Let’s sum up the word counts:
135 (intro) + 335 (anatomy) + 160 (tactical) + 420 (motor) + 185 (visibilidad) + 190 (metadata) + 150 (conclusion) = 1,575 words.
Wait, 1,575 is just slightly above 1500 words. Let’s trim 80-100 words so it lands comfortably around 1300-1400 words.
Let’s optimize and condense specific sentences.

Let’s review:
– Word count: 1000 to 1500 words.
– Let’s trim ~100 words to make sure we are safely under 1500 but well above 1000.

Trim 1: In the anatomy of the attack, condense the Rust infostealer and MFA part.
Trim 2: In the tactical response, trim the fluff.
Trim 3: In the Lua section, make the descriptions of hooks slightly more concise.
Trim

Publicado en Recursos & Cultura, Software Recomendado | Etiquetado , , , | Deja un comentario

Ciberseguridad junior: el caso del hacker Poisson y su error fatal

Publicada el junio 17, 2026 por TempMail Ninja

En el vasto y complejo escenario de la guerra digital contemporánea, las líneas que dividen la sofisticación táctica de la torpeza amateur son cada vez más delgadas. El caso de «Poisson», un atacante francófono expuesto recientemente por la firma de seguridad Cato Networks, es la perfecta ilustración de esta desconcertante dualidad. Este intruso logró comprometer los sistemas de una pequeña empresa automotriz en Francia y de cuatro ciudadanos particulares utilizando una refinada cadena de infección en memoria. Sin embargo, terminó revelando hasta el último detalle de su operación debido a fallas de seguridad operacional (OPSEC) asombrosamente básicas.

La investigación llevada a cabo por Cato CTRL no solo desveló un «manual de instrucciones» paso a paso olvidado en un almacenamiento en la nube sin protección, sino que también expuso una realidad ineludible en el panorama actual de las amenazas: el fenómeno de la ciberseguridad junior. Hoy en día, atacantes novatos o estudiantes de secundaria tienen a su disposición herramientas de evasión avanzadas y software empresarial legítimo que les permiten poner en jaque infraestructuras corporativas enteras antes de haber terminado de hacer sus tareas escolares.

Ciberseguridad junior: El auge de los atacantes escolares y sus recursos «Free-Tier»

El perfil de «Poisson» (quien también operaba bajo el alias de «Stikou68» en entornos Linux con el usuario avenger@ubuntu) dista mucho del de un operador de una Amenaza Persistente Avanzada (APT) estatal. El análisis temporal de sus 339 comandos ejecutados a lo largo de un período de 33 días —del 30 de marzo al 1 de mayo de 2026— reveló un patrón de actividad asombrosamente predecible. El atacante se volvía activo estrictamente después de las 3:00 PM CET (hora de Europa Central) y mostraba una prolongada inactividad a mitad del día. Esta rutina coincide con precisión milimétrica con el horario escolar europeo, lo que llevó a los investigadores a concluir que el operador es, con una probabilidad extremadamente alta, un estudiante que realiza ciberataques en su tiempo libre.

Lejos de contar con el respaldo financiero de un sindicato de cibercrimen organizado, el ecosistema de Poisson dependía casi exclusivamente de infraestructuras gratuitas o de muy bajo costo de nivel de consumo, características clásicas de la ciberseguridad junior. Para llevar a cabo su campaña de robo de credenciales, el joven hacker estructuró su red utilizando:

  • DuckDNS: Un servicio de DNS dinámico gratuito utilizado para redirigir sus dominios maliciosos sin costo alguno.
  • Backblaze B2: Cuatro buckets de almacenamiento de nivel gratuito («free-tier») que alojaban sus scripts de infección y sus herramientas de persistencia.
  • IONOS VPS: Un servidor privado virtual (VPS) económico ubicado en Berlín, Alemania, que servía como su servidor de Comando y Control (C2) principal bajo el framework Havoc.

A pesar de esta infraestructura de bajo presupuesto, la amenaza que representaba Poisson era completamente real. Su capacidad para evadir defensas tradicionales demuestra que la accesibilidad a herramientas de explotación sofisticadas ha democratizado el cibercrimen de una manera alarmante.

Anatomía de la cadena de infección: Evasión en memoria y el persistente «powercfg»

El ataque de Poisson comenzó con una cadena de infección sin archivos («fileless») sumamente astuta. Todo iniciaba con un archivo de stager en VBScript llamado sys.vbs. Este script implementaba un retraso inicial de 120 segundos diseñado específicamente para evadir el análisis automatizado de sandboxes. La mayoría de los entornos de análisis de malware solo ejecutan una muestra de manera interactiva durante 30 o 60 segundos antes de clasificarla como inofensiva; la pausa de dos minutos de Poisson superaba este umbral sin problemas.

Una vez transcurrido este tiempo, el script procedía a descifrar y ejecutar un cargador de PowerShell. Este cargador realizaba una petición web silenciosa para descargar una biblioteca de enlace dinámico (.NET DLL) llamada senti.dll desde uno de sus buckets en Backblaze B2. Para ocultar el código dañino dentro de la DLL, el atacante recurrió a una técnica conocida como «codificación Matryoshka de cinco capas». El shellcode final estaba codificado y fragmentado de tal manera que, a ojos de un antivirus estático, el binario parecía contener únicamente palabras comunes del idioma inglés.

Cuando la DLL se ejecutaba, descifraba el shellcode directamente en el espacio de memoria del proceso explorer.exe. Esto evitaba escribir el implante principal en el disco duro, evadiendo una vez más las firmas tradicionales de los antivirus basados en host. El implante inyectado correspondía al agente Demon del framework de código abierto Havoc C2.

Una vez establecido el acceso inicial, Poisson procedió con los siguientes pasos tácticos:

  1. Escalación de privilegios: Aunque rudimentario, el atacante ejecutó un comando de PowerShell utilizando el verbo «RunAs». Esto forzó la aparición de una ventana emergente de Control de Cuentas de Usuario (UAC) en la pantalla de la víctima. El usuario, al verse interrumpido por la alerta, la aceptó manualmente, otorgando privilegios administrativos completos a Poisson.
  2. Creación de persistencia local: Estableció una tarea programada llamada TaskAdmin1 que se ejecutaba en cada inicio de sesión con los privilegios más altos del sistema.
  3. Despliegue del Keylogger: Subió de forma manual un paquete comprimido (KeyL.zip) que contenía un keylogger en Python de tan solo 70 líneas. El script almacenaba todas las pulsaciones de teclado en un archivo de texto local en lugar de enviarlas por beacons periódicos, una táctica inusual pero altamente efectiva para pasar desapercibido ante analizadores de tráfico de red.
  4. Modificación de energía del sistema: Para garantizar que sus herramientas siguieran capturando información sin interrupciones, el atacante configuró el sistema mediante comandos de powercfg para evitar de forma absoluta que la máquina de la víctima entrara en modo de suspensión o hibernación.

La persistencia «Rogue»: Tailscale, OpenSSH y el jaque mate a los defensores

El aspecto más sobresaliente y tácticamente astuto de la campaña de Poisson ocurrió cuando su propio servidor de comando y control (C2) comenzó a tambalearse. El servidor VPS IONOS del atacante en Berlín empezó a experimentar caídas constantes y, finalmente, quedó completamente fuera de línea debido a que superó el límite de ancho de banda contratado. En condiciones normales, la pérdida de un servidor C2 significa la muerte de la intrusión para la mayoría de los defensores. Sin embargo, Poisson había preparado un plan de contingencia brillante.

Poco antes de que su infraestructura Havoc colapsara, el atacante descargó e instaló de manera silenciosa en la máquina de la víctima el servicio oficial de OpenSSH Server y el cliente de Tailscale. Tailscale es una solución de red mesh VPN comercial y legítima que utiliza el protocolo WireGuard para interconectar dispositivos de forma directa y cifrada. Al asociar la máquina comprometida a su propia cuenta de Tailscale («tailnet»), Poisson creó un túnel de acceso inverso sumamente elusivo.

Esta ingeniosa maniobra de persistencia de red mesh rompió todas las reglas clásicas de mitigación de incidentes:

  • Sin redirección de puertos: Tailscale utiliza técnicas de perforación de NAT («NAT traversal»), lo que significa que el atacante pudo conectarse directamente a la máquina interna de la empresa sin necesidad de configurar reglas de firewall o abrir puertos externos en el enrutador corporativo.
  • Independencia del C2: Cuando el servidor Havoc se apagó, el acceso a través de la VPN mesh de Tailscale y el servidor SSH permaneció totalmente intacto y funcional.
  • Reconexión automática: Tras 18 días de inactividad, cuando Poisson finalmente restableció su servidor VPS de Havoc, los agentes en la red de la víctima se reconectaron automáticamente de manera transparente, sin necesidad de que el hacker tuviera que volver a vulnerar el perímetro.

Adicionalmente, como tercer canal de seguridad en caso de fallo, Poisson desplegó una versión personalizada del software legítimo de escritorio remoto RustDesk. Esta redundancia de canales legítimos convirtió una intrusión amateur en un dolor de cabeza persistente para cualquier equipo de respuesta a incidentes.

El «Over-the-Shoulder» de Cato CTRL: Los fallos garrafales de OPSEC

Si la arquitectura de persistencia de Poisson demostró una astucia inusual, sus habilidades de seguridad operacional (OPSEC) revelaron de manera cómica los límites de su experiencia real. El golpe de gracia que permitió a Vitaly Simonovich, investigador senior de Cato CTRL, reconstruir esta intrusión de principio a fin no fue la recuperación de logs de sistema fragmentados, sino el descuido más catastrófico imaginable en el cibercrimen.

Poisson cometió el error de dejar sus claves privadas de SSH y un playbook detallado paso a paso con los comandos que debía ejecutar en un bucket público y completamente desprotegido de Backblaze B2. El bucket en cuestión llevaba de manera imprudente el nombre de su propio alias: sentiwaw.s3.eu-central-003.backblazeb2.com. Esto permitió a los analistas de ciberseguridad acceder a una bitácora exacta de sus comandos, ofreciendo una vista literal «por encima del hombro» de lo que el hacker escribía en su teclado en tiempo real.

Los errores de Poisson documentados en la investigación incluyen fallas absurdas de las cuales un profesional de seguridad jamás sería partícipe:

  • Fuga del directorio local: En cinco ocasiones diferentes, Poisson ejecutó comandos que imprimieron por error la ruta de su entorno de desarrollo local (el usuario avenger@ubuntu) directamente en los logs de la consola del sistema comprometido.
  • Pistas de depuración en producción: Dentro del paquete comprimido de su keylogger, dejó un archivo de prueba que contenía sus propias pulsaciones de teclado repetidas una y otra vez mientras probaba el software en su propia máquina.
  • Tasa de error colosal: El reporte de Cato CTRL destaca que Poisson falló en la ejecución de aproximadamente el 50% de los comandos que escribió. Tuvo que reescribir, corregir errores sintácticos y lidiar repetidamente con comandos de consola básicos de Windows antes de lograr que sus herramientas funcionaran de manera adecuada.

A pesar de esta inexperiencia flagrante y de tropezar constantemente en la consola, el atacante logró comprometer exitosamente cuatro máquinas y extraer credenciales bancarias y de correo electrónico críticas. Esto demuestra una preocupante realidad: en el ecosistema actual, no se necesita ser un genio de la informática para causar un impacto devastador en una organización.

Lecciones tácticas para defensores modernos

La «Operación Poisson» nos deja una advertencia contundente: las metodologías clásicas de remediación de amenazas ya no son suficientes. El viejo paradigma de identificar un servidor de Comando y Control (C2), darlo de baja y asumir que el peligro ha pasado es completamente obsoleto si el adversario ha tenido el tiempo necesario para instalar puertas traseras independientes a través de redes mesh corporativas o de consumo.

Para contrarrestar campañas de actores de ciberseguridad junior que aprovechan herramientas de administración legítimas, las organizaciones deben reestructurar sus estrategias de detección activa. Los investigadores de Cato CTRL sugieren enfocar los esfuerzos en las siguientes directrices:

  1. Monitoreo estricto de software de acceso remoto: Configurar alertas inmediatas ante la instalación o ejecución de servicios como OpenSSH Server, Tailscale, Zerotier o RustDesk en estaciones de trabajo comunes. Estos programas no deberían correr en equipos que no pertenezcan al personal de TI.
  2. Detección de anomalías de energía: Monitorear la ejecución inusual de comandos de powercfg o cambios bruscos en las políticas de suspensión de los endpoints, ya que es una técnica común para mantener activas las herramientas de exfiltración de datos.
  3. Auditoría de tareas programadas elevadas: Analizar rigurosamente cualquier tarea que se configure para ejecutarse durante el inicio de sesión («logon») con privilegios del sistema, prestando especial atención a scripts que llamen a PowerShell de forma oculta.
  4. Análisis de conexiones salientes y VPNs Mesh: Monitorear el tráfico de red orientado a dominios conocidos de Tailscale u otras plataformas mesh. Al no requerir apertura de puertos entrantes, la única forma de detectar estos canales es vigilando las conexiones UDP salientes inusuales.
  5. Política estricta de reinicio de credenciales: Si se confirma la presencia de un keylogger, no basta con eliminar el archivo binario o apagar la persistencia. Es imperativo realizar una revocación y restablecimiento global de todas las credenciales asociadas a las cuentas de los usuarios afectados, prestando especial atención a las cuentas bancarias y correos corporativos expuestos.

La democratización del software malicioso y las herramientas de red mesh legítimas han otorgado capacidades sumamente peligrosas a operadores novatos. Poisson fue descubierto por su mala práctica en OPSEC, pero el próximo atacante junior podría leer su propio manual expuesto, aprender de sus errores de principiante y asegurarse de no dejar la puerta abierta la próxima vez.

Publicado en Curiosidades de Internet, Recursos & Cultura | Etiquetado , , , | Deja un comentario

Malware clipper: la nueva estafa que manipula VirusTotal y GitHub

Publicada el junio 17, 2026 por TempMail Ninja

En el ecosistema de la ciberseguridad, el sigilo absoluto solía ser la regla de oro de los desarrolladores de amenazas. Los troyanos y los ladrones de información se diseñaban para operar en las sombras, evadiendo la telemetría mediante complejas técnicas de ofuscación y cifrado. Sin embargo, una reciente y alarmante investigación publicada por Check Point Research revela un cambio de paradigma radical: los atacantes ahora están construyendo una ilusión de confianza masiva mediante una «economía de reputación falsa». El objetivo de esta elaborada operación de ingeniería social es distribuir un peligroso malware clipper diseñado para vaciar de manera silenciosa las billeteras de criptomonedas de usuarios de Windows y macOS.

Este esquema de distribución no se apoya en sofisticados exploits de día cero (zero-day), sino en la manipulación sistemática de las métricas de popularidad en las que los usuarios y los sistemas de seguridad confían habitualmente. Al imitar las estrategias de posicionamiento de las marcas legítimas, los operadores detrás de esta campaña han creado lo que los analistas denominan «Ghost Networks» (Redes Fantasma). Estas redes automatizadas inflan artificialmente la credibilidad de sus herramientas maliciosas en plataformas críticas como GitHub, SourceForge, YouTube e incluso VirusTotal, derribando los filtros de sospecha tanto de humanos como de algoritmos de seguridad.

La economía de la confianza manipulada: ¿Qué son las «Ghost Networks»?

El ser humano es una criatura que busca la validación social antes de tomar decisiones en el entorno digital. Si un repositorio de código tiene cientos de estrellas, miles de descargas y comentarios positivos de la comunidad, asumimos de forma instintiva que es un software seguro. Los ciberdelincuentes detrás de esta campaña han explotado este sesgo cognitivo a una escala industrial. El principal señuelo de su campaña está orientado a un público muy específico: inversores de criptomonedas y apostadores en línea que buscan «atajos» para obtener ganancias rápidas de forma automatizada.

Entre las herramientas falsas promocionadas por los atacantes se encuentran:

  • Sniper bots para Solana y Pump.fun: Programas automatizados que prometen comprar tokens en milisegundos apenas se lanza la liquidez en la red.
  • Aviator Predictors: Herramientas diseñadas supuestamente para predecir el comportamiento y algoritmo de populares juegos de apuestas tipo crash.
  • Bots de trading automatizado: Software cerrado que promete retornos de inversión garantizados mediante arbitraje o análisis algorítmico.

Para propagar estos supuestos «atajos hacia la riqueza», los operadores de la campaña recurrieron a la infraestructura de la Web para orquestar sus Redes Fantasma. El cerebro y la marca detrás de esta operación ha sido vinculado directamente al alias de Telegram y autor de WordPress conocido como @JoseCmanXD. Se trata de un actor de amenazas activo en foros de hacking desde al menos 2019, conocido previamente por desarrollar herramientas de robo («CryptoRipper») y buscar métodos de automatización de tráfico.

El abuso sistemático de plataformas: GitHub, SourceForge y YouTube

La sofisticación de esta campaña radica en la omnipresencia de su maquinaria de desinformación. El atacante no se limitó a un solo canal de distribución; en su lugar, construyó un ecosistema de promoción cruzada estructurado minuciosamente en múltiples plataformas de alta credibilidad:

1. Manipulación en GitHub

Los investigadores de Check Point detectaron al menos seis cuentas de GitHub interconectadas que operaban de forma coordinada. Estas cuentas controladas por el atacante realizaban acciones de promoción cruzada constantes: se daban «estrellas» (stars) mutuamente, realizaban bifurcaciones (forks) de código y simulaban descargas masivas de los repositorios maliciosos. Uno de los repositorios infectados logró acumular rápidamente más de 146 estrellas y 62 forks, una métrica que para un desarrollador promedio representa un proyecto altamente confiable, comunitario y activo.

2. Granja de dispositivos en SourceForge

El portal de desarrollo de software libre SourceForge también fue explotado de manera creativa para manipular estadísticas. La página de perfil del atacante en esta plataforma mostraba la impresionante cifra de más de 44,485 descargas totales. Sin embargo, un análisis detallado de la telemetría reveló una anomalía insalvable: más de 37,460 de estas descargas provenían de dispositivos móviles Android. Dado que el software malicioso está diseñado de forma exclusiva para sistemas de escritorio (Windows y macOS), esto demuestra el uso de granjas de emuladores o teléfonos Android físicos encargados de realizar descargas automatizadas y repetitivas con el único fin de inflar la métrica de popularidad ante los ojos de las futuras víctimas.

3. Canales de YouTube con locución de Inteligencia Artificial

Para cerrar el círculo de la ingeniería social, el atacante configuró canales de YouTube donde presentaba detallados «tutoriales» sobre cómo configurar los bots de trading y los predictores de apuestas. Estos videos contaban con narraciones profesionales generadas por IA que emulaban la voz de influencers financieros de confianza. No obstante, lo más preocupante era la sección de comentarios: cientos de cuentas falsas (parte de la Ghost Network) inundaban los videos con testimonios entusiastas, afirmando haber ganado miles de dólares gracias al software. Además, los picos de visualización artificiales ayudaban a que el algoritmo de YouTube recomendara orgánicamente el contenido a usuarios desprevenidos.

4. Enlaces patrocinados en medios legítimos

En un movimiento sumamente audaz para dotar de máxima legitimidad a la campaña, el actor de amenazas adquirió publicaciones patrocinadas y anuncios pagados en sitios de noticias y portales legales legítimos (incluyendo The National Law Review). Estos artículos hablaban sobre las bondades de los algoritmos de trading de @JoseCmanXD y dirigían de manera directa el tráfico a un sitio web centralizado de phishing basado en WordPress, desde donde las víctimas procedían a descargar el archivo de instalación.

Envenenando el pozo: La manipulación sistemática de VirusTotal

Si la manipulación de GitHub y YouTube engaña a los usuarios humanos, el envenenamiento de los sistemas de reputación en VirusTotal está diseñado específicamente para engañar a los equipos de seguridad corporativos y a las soluciones automatizadas de detección.

VirusTotal no solo analiza archivos con motores antivirus tradicionales, sino que también aloja una comunidad global de analistas que emiten votos benignos/maliciosos y publican comentarios sobre muestras de código dudosas. Muchas herramientas modernas de orquestación de seguridad (SOAR) y plataformas de inteligencia de amenazas (TIP) utilizan las API de VirusTotal para verificar si un archivo tiene un historial limpio basado en el consenso comunitario.

El atacante detrás de esta campaña de malware clipper aprovechó un clúster de cuentas coordinadas en VirusTotal para:

  1. Emitir de forma masiva votos de «archivo benigno» (upvotes comunitarios verdes) para cada una de las nuevas compilaciones del malware.
  2. Escribir comentarios detallados y falsos que aseguraban que cualquier alerta detectada por los motores de seguridad era un «falso positivo» común en herramientas de trading de código cerrado.

Esta manipulación sistemática de la reputación, combinada con el hecho de que el malware recién compilado suele tener firmas que evaden la detección heurística inicial, permitió que los Indicadores de Compromiso (IOCs) maliciosos fueran clasificados erróneamente como seguros por sistemas automatizados, permitiendo su ejecución sin restricciones en entornos corporativos y personales.

Análisis técnico: Anatomía de un malware clipper multiplataforma basado en Rust

Detrás de todo el teatro mediático y la falsa popularidad se esconde una pieza de código altamente eficiente y peligrosa. El payload final es un malware clipper escrito en Rust, un lenguaje de programación moderno que los ciberdelincuentes prefieren cada vez más debido a su alta velocidad, ejecución nativa y la dificultad que presenta para los analistas al momento de realizar ingeniería inversa sobre sus binarios.

La arquitectura de este malware difiere según el sistema operativo de la víctima, demostrando que el atacante posee un conocimiento técnico profundo de la administración de sistemas tanto en entornos Windows como Apple.

El vector en Windows: El cargador .NET

En las máquinas con Windows, la infección inicial es gestionada por un cargador (loader) escrito en .NET. Una vez que este cargador se ejecuta, despliega el binario ejecutable principal en Rust. Los pasos técnicos que sigue el malware en este entorno son los siguientes:

  • Persistencia: El binario se copia de manera silenciosa en el directorio de datos del usuario local: %APPDATA%\silke\silke.exe. Posteriormente, genera un archivo
Publicado en Alerta de Amenazas, Seguridad & Privacidad | Etiquetado , , , | Deja un comentario