Un modelo de IA local modifica el programa de extracción de credenciales de Windows para eludir la detección de EDR.

Un modelo de inteligencia artificial (IA) local, sin censura, modificó una utilidad de extracción de credenciales de Windows hasta lograr evadir dos productos de detección y respuesta de endpoints (EDR) en un laboratorio controlado, lo que demuestra cómo la IA generativa accesible podría acelerar el desarrollo de herramientas ofensivas personalizadas.

El experimento, publicado por Eddie Zhang, investigador del Proyecto Black, se centró en el Servicio de Subsistema de Autoridad de Seguridad Local (LSASS), cuya memoria puede contener material de autenticación útil para el movimiento lateral una vez que un atacante obtiene acceso administrativo.

El proyecto comenzó con una prueba de referencia deliberadamente exigente: ¿podría una IA crear un ejecutable capaz de extraer la memoria de LSASS sin que los sistemas EDR modernos lo detectaran, con mínima intervención humana? Esta prueba es crucial, ya que MITRE ATT&CK registra la extracción de memoria de LSASS como T1003.001, una subtécnica de acceso a credenciales. Los usuarios con privilegios de administrador o de sistema pueden extraer credenciales de la memoria de LSASS y reutilizarlas para autenticarse en otros sistemas.