Cisco Talos publicó el 22 de septiembre CAIRN, siglas de Cognitive Artifact Intelligence Research Network, una metodología y herramienta abierta para buscar, clasificar y seguir malware que incorpora servicios de inteligencia artificial en su operación. El proyecto intenta dar a investigadores un punto de partida común para estudiar una categoría todavía pequeña y experimental, pero distinta del uso de modelos para redactar phishing o ayudar a programar código malicioso.

### De herramienta auxiliar a parte del implante

La primera investigación presentada con CAIRN se concentra en CLOSEDQUORUM, una muestra para Windows que consulta varios modelos de lenguaje para decidir qué acción ejecutar en un equipo comprometido. De acuerdo con el análisis de Talos recogido por TechSpot, el implante puede consultar servicios de DeepSeek, Qwen, Mistral y Google Gemini. Esa variedad le permite seguir operando si uno de los proveedores no responde.

La diferencia técnica es importante: el modelo no aparece solamente durante el desarrollo del malware. Sus respuestas forman parte del mecanismo de decisión después de que la muestra llega al sistema objetivo. Talos también indicó que CLOSEDQUORUM no incluye una vía integrada para que un operador humano le envíe comandos una vez está en ejecución. Eso no prueba que estemos ante una campaña amplia ni ante malware plenamente autónomo; describe el comportamiento observado en la muestra analizada.

CAIRN adopta una estrategia de búsqueda basada en metadatos y artefactos. Su objetivo es identificar rastros técnicos asociados con llamadas a modelos, agrupar muestras y facilitar su seguimiento antes de entrar en un proceso completo de ingeniería inversa. Talos sostiene que este enfoque puede complementar el análisis manual, que es más lento y difícil de escalar cuando aparecen variantes nuevas.

### Un marco abierto y evidencia todavía inicial

El repositorio de CAIRN fue publicado para que otros equipos puedan revisar y ampliar los filtros, reglas y métodos de clasificación. Talos adelantó que divulgará progresivamente el contenido de sus hallazgos iniciales y comenzó con CLOSEDQUORUM. TechSpot informó además que el investigador Ryan Fetterman localizó alrededor de 20 ejemplos adicionales de malware con integración de IA mientras desarrollaba y probaba el marco. Esa cifra ofrece una señal de actividad, no una medición completa de prevalencia.

El antecedente citado por Talos incluye LAMEHUG, una familia que CERT-UA vinculó en 2025 con una campaña de phishing y que obtenía comandos mediante una API de Qwen alojada en Hugging Face. CLOSEDQUORUM lleva esa idea hacia una arquitectura con múltiples proveedores, una característica que puede aumentar la resiliencia frente a interrupciones o bloqueos de un servicio específico.

Para los defensores, el valor inmediato de CAIRN está menos en prometer una detección universal y más en hacer investigable el uso operacional de modelos externos. Las llamadas de red, dependencias de API, identificadores y otros artefactos pueden ofrecer puntos de observación que no existen en malware completamente autónomo y local. A la vez, esos indicadores pueden cambiar con rapidez, y los atacantes podrían ocultarlos o migrar a modelos ejecutados en infraestructura propia.

La publicación no demuestra que el malware guiado por modelos ya domine el panorama de amenazas. Talos describe una frontera emergente y reconoce que todavía es pronto para saber si estos experimentos producirán una nueva clase estable de operaciones ofensivas. CAIRN sí fija una metodología pública para someter esa hipótesis a evidencia compartida, en vez de depender únicamente de casos aislados o afirmaciones de proveedores.

Fuentes: [Cisco Talos](Leer Más y [TechSpot](Leer Más Lía Torres, AI News