Hackeo con IA: un solo atacante versionó 25.000 registros de Shinhan Bank usando ARTEX, DeepSeek y GLM-5.3

Un único atacante, probablemente sin respaldo estatal, vulneró varias instituciones financieras de Corea del Sur y extrajo más de 25.000 registros de clientes solo en Shinhan Bank. La herramienta que lo hizo posible se llama ARTEX, es de código abierto, y usa modelos como DeepSeek y GLM-5.3 para automatizar pruebas de penetración. Lo recoge The Decoder a partir del informe de CrowdStrike. Si diriges tecnología en una empresa con superficie expuesta, esto no es una noticia sobre Corea: es una noticia sobre tu próximo incidente.

TL;DR: ARTEX convierte a un solo operador en un equipo de red team con IA: recon, fuzzing, explotación y exfiltración automatizadas sobre modelos DeepSeek y GLM-5.3. Una persona extrajo 25.000 registros de Shinhan Bank. La asimetría ofensiva/defensiva ya no se mide por presupuesto, sino por velocidad de parcheo y detección. Tu TCO de seguridad va a subir o tu exposición se va a multiplicar.

El coste de ataque se ha desplomado mientras tu modelo de amenaza sigue anclado en 2019

Durante dos décadas, la seguridad empresarial se diseñó para una asunción razonable: un ataque dirigido de nivel bancario requería un equipo humano con experiencia, tiempo y financiación estatal o criminal organizada. Esa asunción acaba de morir. ARTEX no es un exploit puntero; es un orquestador. Es la diferencia entre fabricar un misil y comprar un dron en AliExpress.

El dato clave del informe es la atribución a un presunto atacante individual. CrowdStrike sospecha que habla chino, pero no lo vincula a un grupo APT conocido. Y es precisamente eso lo que debería quitarte el sueño: la barrera de entrada al ataque de grado financiero ha caído a un portátil, una suscripción a modelos y unos meses de práctica.

ARTEX: el red team de un solo hombre que ninguna agencia te va a vender

ARTEX es código abierto y encadena tareas típicas de un pentest manual: reconocimiento, enumeración, identificación de superficies de ataque, generación de payloads, validación de exploits y automatización de la exfiltración. Lo novedoso no es ninguna de esas fases por separado. Es que un LLM mantiene el contexto entre ellas sin que el operador tenga que escribir la mitad del código.

El equivalente defensivo es incómodo. Un equipo interno de seguridad medio en España tiene entre 3 y 8 personas para cubrir infraestructura, endpoints, cloud, IAM y cumplimiento. Un atacante con ARTEX no descansa, no rota, no pide vacaciones y ejecuta a velocidad máquina. Ahí está la asimetría real: no en la inteligencia, sino en la cadencia.

DeepSeek y GLM-5.3 como motores de orquestación ofensiva

El informe señala explícitamente el uso de DeepSeek y GLM-5.3 como backend de razonamiento. La elección no es casual. Ambos modelos ofrecen dos ventajas para un atacante: coste por token bajo y poca fricción en las capas de moderación cuando se invoca la API desde tooling de seguridad.

Si lideras producto o ingeniería, hay una lectura directa: los guardarraíles de los grandes proveedores occidentales no protegen frente a este vector. Los intentos de jailbreak, la reescritura de prompts legítimos de pentesting y el uso de modelos con moderación laxa convierten cualquier pipeline de código abierto en un red team semiautónomo. Para las empresas que buscan consultoría IA seria en este terreno, esto cambia el pliego: ya no basta con auditar configuraciones cloud, hay que auditar cómo tus propios modelos internos responden a prompts duales.

Vector	Antes de ARTEX	Con ARTEX
Coste de un pentest dirigido a un banco	50.000–250.000 € por engagement	<1.000 € en tokens + tiempo del operador
Tiempo de reconocimiento completo	2–6 semanas	Horas
Nº atacantes necesarios	Equipo de 3–10	1
Trazabilidad del ataque	Estándar forense conocido	Payloads generados ad-hoc por LLM

Defensa asimétrica: por qué tu presupuesto de seguridad se queda corto por diseño

Aquí está la frase que ningún CISO quiere leer: optimizar el gasto defensivo con criterios de 2024 es regalar la ventaja temporal al atacante. Si tu ratio es "un analista SOC por cada X endpoints", ARTEX lo rompe porque automatiza la variabilidad de los payloads. La detección basada en firmas o patrones conocidos se queda corta frente a exploits generados al vuelo.

El ecosistema de agencias de IA en Madrid y agencias de IA en Barcelona está empezando a ofrecer servicios concretos en este hueco: simulación de adversario aumentada por IA, hardening de IAM con análisis semántico de políticas y detección de exfiltración sobre patrones de comportamiento. No es marketing: es que sin automatización defensiva, ningún equipo humano compensa la cadencia ofensiva.

Los datos concretos del incidente son una llamada de atención para cualquier sector regulado en España. 25.000 registros robados solo en Shinhan Bank, con brechas paralelas en otras entidades financieras surcoreanas. Bajo NIS2 o DORA, el plazo de notificación de incidente significativo no se mide en semanas.

DORA, NIS2 y el problema de reportar en 24 horas lo que no sabes que te ha pasado

DORA exige a las entidades financieras europeas notificar incidentes graves en plazos que, en la práctica, se reducen a las primeras 24 horas para la notificación inicial. NIS2 articula una lógica similar para infraestructuras críticas. El problema no es la norma: es la fase de diagnóstico. Si un atacante con ARTEX lleva tres semanas dentro de tu red exfiltrando parcialmente y generando payloads únicos, tu equipo forense necesita reconstruir un timeline que no coincide con ningún TTP documentado.

Traducción operativa: la calidad de tu detección precede a la calidad de tu reporte. Y la calidad de tu detección, hoy, depende de cuánto hayas invertido en IA defensiva. No en la capa de presentación del SIEM, sino en la capa de razonamiento que correlaciona eventos anómalos con contexto.

Qué exigir a tus proveedores de consultoría IA y agencias de ciberseguridad

Si eres CTO, CEO o product lead y estás renovando contratos de seguridad este trimestre, hay tres preguntas que separan a un proveedor serio del humo:

1. ¿Con qué modelo y con qué prompts ejecutan las simulaciones de adversario? Si no pueden explicar el pipeline, no pueden defenderlo cuando cambie.
2. ¿Tienen detección específica para payloads generados por LLM? Es una disciplina nueva. Muy pocas agencias de automatización con IA han construido las reglas.
3. ¿Cómo correlacionan accesos legítimos de agentes IA internos con potencial explotación? Porque tu propia plantilla de agentes autónomos es, técnicamente, una superficie de ataque con credenciales válidas.

La ironía es brutal: el mismo stack de IA que despliegas para automatizar procesos internos es el que ARTEX usa contra ti. El diferencial no está en la tecnología, está en quién la integra con criterio defensivo.

La próxima brecha no vendrá de un APT: vendrá de un freelance con tu mismo modelo favorito

Mi predicción a 12 meses es incómoda. El primer incidente significativo reportado bajo DORA en Europa con origen "atacante individual asistido por IA" llegará antes de que cerréis el presupuesto de 2027. Y lo hará sobre una empresa mediana, no sobre un banco, porque las medianas tienen superficie expuesta, plantilla corta de seguridad y la falsa sensación de que no son objetivo.

La única defensa que escala hoy es defender a velocidad IA contra ataque a velocidad IA. Todo lo demás es teatro. Si tu proveedor de ciberseguridad no puede articular en una reunión cómo usa modelos para detección, simulación y respuesta, no está compitiendo en el mismo campo que ARTEX. Escoge proveedores que jueguen al mismo deporte, o asume que el siguiente con 25.000 registros robados será tuyo.

Preguntas frecuentes sobre hacking con IA y defensa empresarial

¿Qué es ARTEX y por qué es tan relevante para las empresas?

ARTEX es una herramienta de código abierto que automatiza pruebas de penetración usando modelos de lenguaje como DeepSeek y GLM-5.3. Su relevancia es que reduce drásticamente la barrera de entrada: un único atacante sin respaldo estatal puede ejecutar un ataque de nivel bancario, como demuestra la brecha en Shinhan Bank con más de 25.000 registros robados.

¿Puede una empresa mediana ser objetivo de un ataque con herramientas como ARTEX?

Sí, y de hecho es más probable que un banco grande con SOC maduro. La brecha surcoreana fue posible por cadena de errores operativos y superficies expuestas, no por sofisticación extrema. Cualquier empresa con API públicas, IAM desactualizado o agentes IA con permisos amplios es candidata.

¿Cuánto cuesta defenderse de un ataque de este tipo?

Depende del perímetro. Un programa serio de simulación de adversario aumentada por IA, hardening de IAM y detección de payloads generados por LLM suele moverse entre 40.000 y 180.000 euros anuales para una empresa mediana. Comparado con el coste medio de una brecha notificable bajo DORA (multas y parada operativa), el ROI es claro.

¿DeepSeek y GLM-5.3 son inseguros o es un problema de uso?

Es un problema de uso y de moderación laxa. Ninguno de los dos fue diseñado para ciberseguridad ofensiva, pero la ausencia de guardarraíles estrictos los hace útiles para pipelines de pentesting automatizados. El debate regulatorio en Europa debería ir por ahí, no por prohibir modelos, sino por exigir trazabilidad sobre uso dual.

¿Qué debería priorizar un CISO en España esta semana?

Tres cosas concretas: inventariar accesos de agentes IA internos con permisos elevados, contratar al menos una simulación adversarial con IA externa antes de cerrar el trimestre y revisar el plan de notificación DORA bajo el supuesto de que el diagnóstico forense tardará 72 horas, no 24. Sin esos tres movimientos, cualquier plan defensivo es papel.

Temas relacionados en agentes.ai

Si quieres aplicar lo que lees en tu empresa, estos son puntos de partida útiles dentro de agentes.ai:

• Directorio de agencias de agentes de voz
• Agencias de IA en Barcelona y en Bilbao
• Explora el directorio completo de agencias de IA
• Sigue las últimas noticias de IA en tiempo real