**Ransomware ENCFORGE: Nueva amenaza dirigida a infraestructuras de IA mediante JADEPUFFER**

—

### 1. Introducción

En las últimas semanas, el panorama de amenazas dirigido a infraestructuras de inteligencia artificial ha experimentado una escalada significativa. Investigadores de Sysdig han identificado una segunda intrusión sobre el mismo servidor Langflow, vinculando ambos incidentes a JADEPUFFER, un operador automatizado impulsado por agentes de IA y ya documentado a principios de este mes. Lo más relevante de este nuevo ataque ha sido la aparición de ENCFORGE, un ransomware compilado en Go específicamente diseñado para cifrar activos clave en entornos de IA, como pesos de modelos, índices vectoriales y conjuntos de datos de entrenamiento.

—

### 2. Contexto del Incidente

El servidor afectado ejecutaba Langflow, una plataforma de orquestación para flujos de trabajo de inteligencia artificial que ha ganado popularidad en entornos de desarrollo y pruebas. Sysdig ya había advertido previamente sobre la actividad de JADEPUFFER en este entorno. En este segundo ataque, los operadores han demostrado una notable capacidad de adaptación y persistencia, desplegando una nueva variante de ransomware que apunta de forma precisa a los elementos críticos de la infraestructura de IA.

Este incidente evidencia una tendencia creciente: los adversarios están sofisticando sus tácticas para poner en jaque operaciones de machine learning y sistemas de inteligencia artificial, aprovechando la falta de controles de seguridad específicos en estos entornos.

—

### 3. Detalles Técnicos

**Vector de Entrada y Persistencia**

El acceso inicial parece haberse realizado explotando una API expuesta de Langflow, posiblemente sin autenticación o con credenciales débiles, empleando técnicas de escaneo automatizado y explotación de endpoints REST. El atacante, identificado como JADEPUFFER, utiliza agentes de IA para automatizar la post-explotación, el reconocimiento lateral y la entrega de cargas maliciosas.

**Características de ENCFORGE**

ENCFORGE es un ransomware compilado en Go (Golang), lo que le otorga portabilidad y capacidad de ejecución multiplataforma, aunque en este caso se ha observado su despliegue sobre sistemas Linux. El ransomware escanea recursivamente el sistema de archivos en busca de extensiones y rutas asociadas a recursos de IA, como archivos `.pth`, `.ckpt`, `.pt` (PyTorch), `.h5` (Keras), índices de FAISS (`.faiss`), y conjuntos de datos en formatos `.csv`, `.parquet`, `.json` y otros. Al cifrar estos activos, ENCFORGE inutiliza los modelos y datos de entrenamiento, paralizando los procesos de inferencia y el desarrollo.

**TTPs y Framework MITRE ATT&CK**

– **Initial Access**: Exploitation of Remote Services (T1210)
– **Execution**: Command and Scripting Interpreter (T1059)
– **Lateral Movement**: Automated agent-based reconnaissance
– **Impact**: Data Encrypted for Impact (T1486)

**Indicadores de Compromiso (IoC)**

– Hashes de ENCFORGE detectados por firmas YARA.
– Comportamiento anómalo en procesos de Langflow y actividad inusual en puertos 7860/8000.
– Comunicaciones C2 encubiertas mediante canales HTTP/HTTPS ofuscados.

Actualmente no se ha identificado un exploit público, pero la automatización observada sugiere el uso de frameworks como Metasploit para la fase inicial y herramientas personalizadas para la entrega del ransomware.

—

### 4. Impacto y Riesgos

El impacto de ENCFORGE va mucho más allá del cifrado tradicional de archivos ofimáticos. Al dirigirse a los artefactos de IA, los atacantes pueden interrumpir servicios críticos, detener pipelines de aprendizaje automático y provocar la pérdida de modelos costosos entrenados durante semanas o meses. En entornos empresariales, esto puede traducirse en pérdidas económicas considerables, ya que la reconstrucción de modelos y datasets puede requerir inversiones adicionales en computación y tiempo de desarrollo.

El riesgo aumenta si la infraestructura afectada forma parte de servicios ofrecidos a terceros o está vinculada al procesamiento de datos regulados bajo GDPR o la Directiva NIS2, exponiendo a la organización a sanciones regulatorias y daños reputacionales.

—

### 5. Medidas de Mitigación y Recomendaciones

– **Restricción de acceso**: Limitar la exposición pública de APIs y servicios de IA, empleando autenticación fuerte y segmentación de red.
– **Actualizaciones**: Mantener Langflow y dependencias actualizadas frente a vulnerabilidades conocidas.
– **Backups**: Implementar copias de seguridad frecuentes, especialmente de modelos y datasets, almacenadas offline.
– **Monitorización avanzada**: Uso de EDR y SIEM para detectar actividades anómalas (acceso no autorizado, procesos inusuales, modificación de archivos clave).
– **Pruebas de intrusión**: Realizar ejercicios de pentesting orientados a APIs y workflows de IA.
– **Formación**: Capacitar a equipos DevOps y de ciencia de datos en buenas prácticas de seguridad.

—

### 6. Opinión de Expertos

Especialistas consultados por Sysdig destacan que este tipo de amenazas marca un cambio de paradigma: «La protección de la infraestructura de IA ya no es opcional. El ransomware como ENCFORGE demuestra que los cibercriminales están identificando el valor creciente de los modelos y datos de IA como objetivo prioritario», apunta un analista de amenazas de la compañía.

Desde el sector, se subraya la necesidad de adaptar los controles tradicionales de ciberseguridad a los nuevos flujos de trabajo de machine learning, donde la integración continua y la automatización pueden abrir nuevas superficies de ataque si no se gestionan adecuadamente.

—

### 7. Implicaciones para Empresas y Usuarios

Las organizaciones que operan infraestructuras de IA deben considerar la protección de modelos y datasets como una parte esencial de su estrategia de ciberseguridad. Esto implica revisar arquitecturas, aplicar principios de mínimo privilegio y reforzar la resiliencia ante ataques que van más allá del robo de datos tradicional. Para los usuarios, la confianza en servicios de IA puede verse comprometida si los proveedores no garantizan medidas robustas de protección y recuperación frente a incidentes.

—

### 8. Conclusiones

El ataque coordinado mediante JADEPUFFER y el despliegue de ENCFORGE evidencian la evolución de las amenazas en el ámbito de la inteligencia artificial. Con la proliferación de servicios y pipelines de machine learning, el sector debe anticipar y mitigar riesgos que amenazan la continuidad del negocio y la integridad de los activos de IA. La colaboración entre equipos de ciberseguridad, ingeniería y ciencia de datos será clave para afrontar este nuevo escenario.

(Fuente: feeds.feedburner.com)