Un equipo de investigadores del laboratorio Vedere de Forescout ha puesto de manifiesto el creciente riesgo que representa la inteligencia artificial (IA) en la amplia superficie de ataque de los controladores lógicos programables (PLCs). Por primera vez, los expertos lograron utilizar IA para trasladar un exploit de ejecución remota de código (RCE) entre dos modelos distintos de PLCs de la marca WAGO, un experimento que duró aproximadamente ocho horas y 32 minutos y que tuvo un coste de apenas 535,74 dólares en tokens de API.
Este avance pone en evidencia cómo la IA puede acelerar y facilitar ataques contra sistemas incrustados y industriales, un segmento tradicionalmente muy protegido por la complejidad técnica y la especialización requerida. Aunque en esta investigación se requirió la intervención experta para sortear callejones sin salida y corregir pasos erróneos, el proceso automatizado desarrollado evidencia que en un futuro próximo estos ataques podrían aumentar en eficacia y reducir su dificultad.
El exploit utilizado se aprovecha de la vulnerabilidad identificada como CVE-2021-31886, que consiste en un desbordamiento de búfer previo a la autenticación en el servidor FTP Nucleus, empleado en los PLCs analizados. Esta falla permite ejecutar shellcode arbitrario para arquitecturas ARM en el PLC sin necesidad de credenciales, abriendo las puertas a un control remoto total del dispositivo afectado. 
Los investigadores recordaron que ya se había demostrado que exploits de ejecución remota en PLCs pueden facilitar movimientos laterales profundos dentro de redes industriales así como un control detallado sobre la lógica de seguridad, creando riesgos significativos para infraestructuras críticas.
El papel de la IA en la creación del exploit
El proceso de desarrollo automatizado del exploit comprendió dos fases fundamentales: la confirmación de la vulnerabilidad y la escritura del payload o carga maliciosa. Durante ambas etapas, el modelo de inteligencia artificial Claude Code, desarrollado por Anthropic, interactuó con el entorno mediante acceso a terminales, archivos de referencia, herramientas de análisis militar como Ghidra y el PLC en vivo.
Claude no solo ejecutó comandos y escribió código, sino que solicitó información adicional al investigador cuando detectó incertidumbres. Durante el análisis, la IA intentó confirmar la vulnerabilidad tanto mediante interacciones directas con el PLC como a través de análisis estáticos del código. Sin embargo, la primera sesión falló al identificar correctamente la función vulnerable, generando un exploit inválido.
El equipo utilizó la información obtenida para redirigir a Claude en sesiones posteriores, aplicando búsquedas binarias para mapear las funciones responsables con mayor precisión. Aun así, las tareas de escritura del exploit demandaron más tiempo, ya que el modelo inicialmente exploró hipótesis incorrectas y revisó códigos no relacionados, requiriendo intervenciones humanas para evitar callejones sin salida y aclarar el desmontaje del firmware.
Para avanzar, los técnicos actualizaron el modelo a Claude Opus 4.6, que cuenta con una ventana de contexto de un millón de tokens, además de incorporar una instrucción específica que animaba a la IA a solicitar ayuda con el análisis cuando tuviera dudas. De ese modo, Claude logró razonar sobre la cadena de llamadas de funciones y entender la importancia de una sección concreta donde se copia el nombre de usuario suministrado por el atacante en la memoria.
Tecnología operacional en el punto de mira
Los expertos advierten que las organizaciones no deben subestimar las vulnerabilidades en la tecnología operacional (OT), incluso cuando parezcan difíciles de explotar. La incorporación de IA en la investigación de fallos y la creación de exploits está reduciendo las barreras para atacar sistemas embebidos y dispositivos industriales.
El informe señala que, aunque todavía existen barreras técnicas importantes, a medida que los modelos de IA evolucionen y se vuelvan más autónomos, el coste y la pericia necesaria para adaptar exploits a sistemas relacionados podría disminuir drásticamente.
Las recomendaciones para mitigar estos riesgos incluyen limitar la exposición innecesaria de dispositivos OT, monitorizar continuamente estos entornos para detectar señales tempranas de explotación, ensayar la respuesta ante incidentes incluyendo escenarios con IA asistiendo ataques y utilizar IA también con objetivos defensivos, pero validando rigurosamente sus resultados.
Los PLCs están emergiendo como un riesgo crítico para infraestructuras esenciales. Por ejemplo, la Agencia de Seguridad Nacional de EE. UU. (NSA) emitió una advertencia reciente sobre amenazas activas dirigidas a PLCs de Siemens. Además, en meses recientes, ataques contra infraestructuras de suministro de agua en Estados Unidos han comprometido PLCs expuestos a internet, alterando contraseñas y direcciones IP a distancia, afectando la supervisión y funcionamiento de equipos y en algunos casos provocando cierres.
Estos incidentes evidencian la urgente necesidad de reforzar la seguridad en dispositivos OT y considerar la IA tanto como herramienta que puede potenciar ataques como instrumento para la defensa proactiva de redes industriales.
