DeepSeek se convierte en una herramienta habitual de grupos de hackers vinculados a China
DeepSeek se ha consolidado como uno de los modelos de inteligencia artificial más utilizados por determinados grupos de hackers relacionados con el Gobierno chino. Un análisis de varias campañas ha detectado que algunos colectivos duplicaron su actividad tras incorporar esta tecnología a distintas fases de sus operaciones.
La IA no está ejecutando ataques completos de forma autónoma, pero sí permite acelerar tareas que antes requerían muchas horas de trabajo. Entre ellas se encuentran el reconocimiento de objetivos, la creación de código malicioso, la búsqueda de vulnerabilidades y el desplazamiento dentro de redes ya comprometidas.
DeepSeek, atractivo por su potencia y sus pocas restricciones
El modelo chino de código abierto resulta especialmente interesante para los atacantes por dos motivos: ofrece capacidades avanzadas de generación y análisis de código, y cuenta con menos barreras de seguridad que muchas alternativas occidentales.
Los modelos comerciales suelen bloquear peticiones relacionadas con malware, intrusiones o explotación de vulnerabilidades. Aunque esas protecciones pueden intentarse sortear, hacerlo requiere tiempo y conocimientos adicionales. DeepSeek, en cambio, permite a los delincuentes plantear determinadas tareas con menos obstáculos.
Que un sistema sea de código abierto significa que parte de su tecnología puede ser examinada, modificada o desplegada por terceros. Esta flexibilidad favorece la innovación y la investigación, pero también permite adaptar el modelo a usos maliciosos y ejecutarlo en infraestructuras privadas.
Reconocimiento, exploits y ataques contra el correo
La investigación ha identificado varios grupos que han empleado modelos de IA en diferentes momentos de sus campañas. Uno de ellos utilizó DeepSeek para generar código destinado a desarrollar exploits, programas o instrucciones que aprovechan fallos concretos de un sistema.
Otro colectivo recurrió al modelo para preparar ataques contra el sistema de correo electrónico de una empresa taiwanesa. Un tercer grupo empleó la IA para recopilar más de 1.000 direcciones IP y relacionarlas con los dominios de una compañía objetivo.
Esta fase se conoce como reconocimiento y consiste en reunir información sobre una organización antes de intentar entrar en sus sistemas. Los atacantes buscan servidores expuestos, tecnologías utilizadas, subdominios, direcciones de correo y posibles puntos débiles.
También se ha detectado el uso combinado de DeepSeek y Claude Code en una campaña en la que los responsables intentaron hacerse pasar por un ingeniero de seguridad. El objetivo era utilizar esa identidad para realizar pruebas y acceder a información interna de una empresa tecnológica de Taiwán.
La IA todavía necesita supervisión humana
El aumento del uso de estos modelos no significa que los hackers hayan conseguido automatizar por completo un ciberataque. En la práctica, la inteligencia artificial funciona como un asistente capaz de acelerar labores rutinarias, pero continúa teniendo dificultades para tomar decisiones fiables en entornos reales.
Una prueba analizada por investigadores de seguridad puso a un sistema basado en DeepSeek frente a más de 460 objetivos. El agente buscó programas vulnerables en internet, consultó repositorios públicos para localizar código de exploits y razonó sobre cuáles podían ser los objetivos más interesantes.
Durante el proceso, el sistema seleccionó n8n, una plataforma de automatización con miles de instalaciones expuestas en China. Tras analizar una muestra, encontró tres versiones potencialmente vulnerables. Sin embargo, todas exigían autenticación y el agente no logró aprovecharlas.
Los únicos accesos que tuvieron éxito se produjeron mediante intervención manual. El atacante fue quien consiguió extraer datos y ejecutar comandos en los equipos comprometidos. El resultado muestra la diferencia entre identificar una posible vulnerabilidad y explotarla de manera efectiva.
El entorno real es más complejo que un laboratorio
Las demostraciones de ataques autónomos suelen realizarse en entornos controlados. En ellos, los investigadores pueden dejar fuera algunos elementos habituales de una red empresarial, como sistemas de monitorización, autenticación multifactor, cortafuegos o equipos de respuesta ante incidentes.
En una empresa real, un agente de IA debe enfrentarse a credenciales incompletas, tecnologías desconocidas, cambios en la configuración y medidas defensivas que pueden bloquear sus acciones. Además, un error puede alertar a los responsables de seguridad y poner fin a toda la operación.
Por eso, los modelos actuales son más eficaces como herramientas de apoyo que como atacantes independientes. Pueden redactar scripts, clasificar información, traducir documentos técnicos o sugerir pasos de investigación, pero necesitan que una persona valide sus decisiones y resuelva los obstáculos más complejos.
El debate sobre los modelos avanzados
En noviembre de 2025, Anthropic afirmó que un grupo respaldado por el Estado chino había utilizado Claude Code para automatizar entre el 80% y el 90% de una campaña de espionaje contra unas 30 organizaciones. Sin embargo, solo una pequeña parte de los intentos habría terminado con éxito.
Estas cifras alimentaron el debate sobre el riesgo de que los modelos más avanzados puedan participar en operaciones ofensivas a gran escala. Algunos expertos consideran que la IA está mejorando la productividad de los atacantes, pero no está creando técnicas de intrusión completamente nuevas.
La comparación más habitual es con herramientas como Metasploit, un conjunto de programas utilizado desde hace años para desarrollar y ejecutar exploits. La inteligencia artificial puede hacer que estas herramientas sean más accesibles y rápidas de utilizar, aunque no elimina la necesidad de conocimientos técnicos.
El escenario más probable a corto plazo no es un ejército de sistemas autónomos hackeando empresas sin control, sino campañas dirigidas por personas que emplean modelos como DeepSeek para multiplicar su capacidad operativa. Para las organizaciones, la prioridad seguirá siendo reforzar la autenticación, actualizar el software y vigilar cualquier actividad anómala.
