“Es mi dispositivo”: tres modelos de IA consiguen liberar una tablet Fire HD 10 de Amazon
Una tablet Fire HD 10 comprada por 114 dólares en 2021 se ha convertido en un ejemplo de hasta dónde pueden llegar los modelos de inteligencia artificial cuando se combinan para investigar vulnerabilidades. Su propietario, Eric Pardee, logró obtener acceso root al dispositivo después de varias jornadas de trabajo con distintos sistemas de IA.
El objetivo no era instalar videojuegos ni modificar la interfaz. Pardee utilizaba la tablet como un panel táctil permanente para controlar la domótica de su vivienda mediante Home Assistant. El problema apareció cuando descubrió que algunos servicios protegidos de Amazon podían apagar o reiniciar el dispositivo sin que él pudiera desactivarlos.
La solución habitual habría sido conseguir acceso root, una cuenta con privilegios máximos dentro de Android que permite modificar componentes del sistema normalmente reservados al fabricante. Sin embargo, no existía un método público conocido para rootear ese modelo concreto de Fire HD 10.
Una vulnerabilidad antigua como punto de partida
Pardee decidió recurrir a varios modelos de IA para analizar el problema. Comenzó con Kimi K3, al que pidió investigar si podía encontrar una vía para obtener acceso root en la tablet. El modelo revisó vulnerabilidades conocidas de Fire OS, el sistema operativo basado en Android que Amazon utiliza en sus dispositivos.
Entre sus hallazgos apareció la vulnerabilidad CVE-2022-38181. Una CVE es un identificador público que se asigna a un fallo de seguridad concreto. En este caso, el modelo observó que el problema había sido corregido en determinadas versiones de Fire OS, pero que la tablet de Pardee no se había actualizado hasta esa versión.
El descubrimiento resultaba especialmente relevante porque una variante de ese procedimiento ya había permitido modificar otro modelo de la familia Fire. Kimi K3 pasó unas 30 horas analizando el sistema y generó un conjunto de herramientas para intentar aprovechar la vulnerabilidad. El coste de esa sesión ascendió a 164,25 dólares, una cantidad superior al precio original de la tablet.
La primera aproximación, sin embargo, no funcionó. El modelo realizó más de 500 intentos sin conseguir completar el proceso. El caso muestra una de las limitaciones actuales de la IA: puede producir grandes cantidades de código y proponer hipótesis con rapidez, pero eso no garantiza que sus soluciones sean correctas o compatibles con un dispositivo concreto.
El trabajo pasó de un modelo a otro
El propietario probó después con otros sistemas. Uno rechazó la petición debido a sus salvaguardas de ciberseguridad. Otro ayudó a inspeccionar el sistema y estudiar posibles vías de ataque, pero finalmente se negó a continuar con una intervención que podía comprometer las protecciones del dispositivo.
Para evitar perder el trabajo acumulado, Pardee pidió a Kimi que preparase un documento en formato Markdown con todos los descubrimientos, errores y pasos pendientes. Ese archivo sirvió como memoria de trabajo para los modelos siguientes, una especie de informe técnico que permitía retomar la investigación sin empezar desde cero.
El proceso continuó con GLM-5.2 y, más tarde, con GLM-5.3. Esta última versión comenzó a trabajar el 16 de agosto y consiguió identificar por qué las herramientas generadas inicialmente no funcionaban. En lugar de limitarse a repetir los intentos anteriores, revisó el procedimiento y corrigió varios de sus componentes.
SELinux, la barrera que terminó cayendo
El avance decisivo llegó cuando GLM-5.3 consiguió desactivar SELinux en la tablet. SELinux es un sistema de seguridad integrado en Android y Linux que aplica políticas de acceso: aunque un proceso tenga determinados permisos, no puede realizar ciertas operaciones si la política del sistema se lo impide.
Al dejar sin efecto esa capa de protección, Pardee pudo modificar zonas del sistema que hasta entonces estaban bloqueadas. El acceso root permitió eliminar cerca de un centenar de paquetes de Amazon, incluidos los relacionados con los servicios que podían reiniciar o apagar el dispositivo.
La operación no consistió en una única respuesta milagrosa. Kimi K3 investigó el kernel y localizó una vía potencial; otros modelos revisaron los resultados y señalaron problemas; y GLM-5.3 acabó depurando el proceso hasta hacerlo funcionar. La cadena de trabajo se apoyó en la capacidad de los modelos para revisar código, interpretar registros y comparar hipótesis técnicas.
Un ejemplo del nuevo “prompt kiddie”
Pardee se define como un “prompt kiddie”, una evolución del término “script kiddie”. La expresión describe a quien utiliza herramientas creadas por otros sin dominar necesariamente todos los conocimientos necesarios para desarrollarlas desde cero.
En este caso, no escribió el exploit ni diseñó personalmente una solución para el kernel. Su papel consistió en dirigir a los modelos, proporcionarles información, insistir ante los fallos y pedirles que revisaran el trabajo de sus compañeros. La IA actuó como un equipo de especialistas virtuales, aunque con resultados irregulares y numerosas correcciones.
El episodio también refleja el creciente potencial de estos sistemas para la investigación de seguridad. Encontrar y aprovechar una vulnerabilidad en un kernel concreto ha exigido tradicionalmente conocimientos avanzados de ingeniería inversa, sistemas operativos y ciberseguridad. Ahora, una persona con experiencia técnica, pero sin dominar todos esos campos, puede coordinar modelos capaces de cubrir parte de esas carencias.
El coste total de las sesiones ascendió a 266,15 dólares, más del doble de lo que Pardee pagó por la tablet. Para él, el gasto estuvo justificado por el aprendizaje y por el resultado final: recuperar el control completo sobre un dispositivo que había comprado y que utilizaba en su propia casa.
La historia deja una conclusión relevante para fabricantes y usuarios. Las barreras que durante años dificultaron la modificación de dispositivos pueden ser más frágiles cuando varios modelos de IA colaboran, incluso con supervisión humana limitada. Al mismo tiempo, el caso subraya los riesgos de divulgar o automatizar técnicas capaces de sortear protecciones de seguridad, ya que el mismo conocimiento puede emplearse para personalizar un equipo o para comprometerlo sin autorización.
