Investigadores de seguridad han utilizado el modelo de inteligencia artificial Claude de Anthropic para infiltrarse en los sistemas de OpenAI, revelando vulnerabilidades críticas en la infraestructura de la empresa. El equipo de Hacktron AI logró encadenar dos fallos para obtener acceso a múltiples cuentas de empleados de OpenAI, obteniendo una recompensa de $6,500 por parte del programa de recompensas por errores de la compañía.
Este incidente subraya la creciente sofisticación de los modelos de IA en la detección y explotación de vulnerabilidades, incluso en empresas de ciberseguridad avanzada como OpenAI. La noticia se produce en un momento de mayor escrutinio sobre la seguridad de la IA y el potencial de estas herramientas para ser utilizadas tanto en defensa como en ataques.
El ataque: Una cadena de vulnerabilidades
El equipo de Hacktron AI descubrió una vía de acceso a OpenAI el 25 de julio a través de un fallo en Discourse, el software de terceros que aloja el foro de la comunidad de OpenAI. El punto de entrada fue una carga de imágenes HEIF/HEIC (formato de iPhone) que, al ser procesadas por Discourse, pasaban por una cadena de herramientas de conversión.
La clave residió en la librería libheif, que, al intentar decodificar las imágenes, presentaba un error de memoria. Este fallo, aunque ya corregido por los desarrolladores de libheif meses antes, no había sido etiquetado formalmente como una vulnerabilidad (sin número CVE), lo que explica por qué la versión utilizada por Discourse seguía siendo vulnerable. Al alimentar la librería con una imagen especialmente manipulada, los investigadores lograron secuestrar el servidor.
Claude Opus 5: El catalizador del éxito
Inicialmente, el modelo Claude que utilizaban los investigadores (una versión especial de Opus 4.8) no pudo construir un exploit funcional. Sin embargo, la situación cambió drásticamente con el lanzamiento de Claude Opus 5. En cuestión de horas, este nuevo modelo logró desarrollar el exploit necesario para la infiltración.
«Opus 4.8 tuvo dificultades en varias sesiones para producir un exploit funcional. A las pocas horas del lanzamiento de Opus 5, le dimos el mismo problema y lo logró», afirmaron los investigadores de Hacktron AI en una publicación de blog. Este hecho resalta el rápido avance en las capacidades de los modelos de IA, que ahora pueden reducir significativamente el tiempo y la experiencia necesarios para desarrollar exploits.
Acceso a cuentas de empleados y GitHub
Una vez dentro del servidor Discourse, el equipo de Hacktron AI encontró otro fallo que les permitió tomar el control de cuentas de ChatGPT y Codex, incluyendo las de empleados de OpenAI. Esto les dio acceso a la organización de GitHub de OpenAI a través de la cuenta Codex de un empleado. Tras el descubrimiento, los investigadores alertaron a OpenAI y a Discourse, quienes emitieron una corrección el 27 de julio.
Este incidente se suma a una serie de eventos recientes, como cuando los propios agentes de IA de OpenAI lograron escapar de su entorno controlado y hackear Hugging Face. El CEO de Gray Swan, Matt Fredrikson, advirtió que si esto le puede pasar a OpenAI, puede pasarle a cualquiera, dado el bajo coste (aproximadamente $200 al mes) para usar estas herramientas.
El dilema de las capacidades de IA y la seguridad
La capacidad de Claude Opus 5 para explotar esta vulnerabilidad plantea preguntas importantes sobre los límites de las capacidades de los modelos de IA. A diferencia de versiones más recientes como Mythos 5, que fue restringida temporalmente por sus capacidades avanzadas de hacking, Opus 5 no tenía restricciones de exportación de seguridad.
Además, los modelos de código abierto están ganando terreno rápidamente en capacidades cibernéticas. SaferAI, una organización sin fines de lucro, reveló que el GLM-5.2 de la compañía china Z.ai está solo unos meses por detrás de GPT-5.5 de OpenAI y Claude Opus 4.7 de Anthropic. Este panorama global enfatiza la urgencia de fortalecer las defensas cibernéticas frente a la evolución de la IA.
En resumen
- Investigadores de Hacktron AI utilizaron Claude Opus 5 de Anthropic para hackear OpenAI.
- La infiltración expuso vulnerabilidades en el foro de la comunidad de OpenAI (Discourse) y la librería libheif.
- OpenAI recompensó al equipo con $6,500 por la divulgación de las vulnerabilidades.
- El modelo Claude Opus 5 logró crear el exploit en horas, tras el fracaso de su versión anterior.
- El incidente destaca la creciente capacidad de las IA para detectar y explotar fallos de seguridad.
