En junio de 2025, Okta Threat Intelligence predijo que la rápida adopción de agentes de IA generaría una “deuda de identidad” a medida que los desarrolladores experimentaran con estas nuevas tecnologías.
Este escenario se ha repetido en numerosos ataques a la cadena de suministro de software durante los últimos seis meses, en los que las cargas útiles de los atacantes buscan secretos en texto plano en los archivos de configuración de los sistemas de Developer comprometidos y los extraen a servidores controlados por el atacante.
El último de estos ataques, y uno de los más trascendentales, tuvo como objetivo a los usuarios de LiteLLM.
¿Qué es LiteLLM y qué salió mal?
LiteLLM suele ser utilizado por los desarrolladores como puerta de enlace para que las aplicaciones cliente llamen a cualquier número de modelos de lenguaje grandes (más de 2000) procedentes de más de 100 proveedores.
Esto ofrece a los Developer de software la posibilidad de realizar pruebas A/B de diferentes modelos, incorporar redundancia en las aplicaciones basadas en agentes (cambiar a un modelo secundario si el principal no está disponible o tiene limitaciones de velocidad), así como casos de uso relacionados con la auditoría y el control de costos.
El 24 de marzo de 2026, un grupo de actores de amenazas conocido como TeamPCP distribuyó actualizaciones maliciosas al paquete LiteLLM de PyPI (versiones 1.82.7 y 1.82.8).
Estas actualizaciones instalan un archivo en el dispositivo comprometido (véanse los indicadores a continuación), que ejecuta una secuencia de comandos maliciosa cada vez que se inicia Python en el dispositivo. El secuencia de comandos funciona esencialmente como un ladrón de información: busca y almacena variables de entorno (tokens de API, secretos, tokens), claves SSH, claves Git y secretos de CI/CD, credenciales en la nube (claves de AWS, GCP, Azure), credenciales de bases de datos, secretos de Kubernetes y claves SSL/TLS. También extrae archivos de configuración, historial de la consola y otros detalles (nombre de host, IP) sobre el entorno comprometido. Los datos robados se almacenan y comprimen en un archivo que posteriormente se extrae a un servidor controlado por el atacante.
El paquete malicioso solo afectó a los usuarios de LiteLLM que instalaron o actualizaron LiteLLM a través de PyPi entre las 10:39 UTC y las 16:00 UTC del 24 de marzo de 2026 y que no habían fijado versiones anteriores.
Dado que LiteLLM se descargó 96 millones de veces el mes pasado, un cálculo aproximado indica que todavía estamos hablando de cientos de miles de descargas de la carga útil maliciosa.
Los atacantes afirman —sin aportar pruebas— haber exfiltrado más de 300 GB de datos durante este periodo.
Proliferación de agentes en acción
El ataque LiteLLM fue un ataque a la cadena de suministro de software, no un ataque basado en la identidad.
El alcance del impacto en cualquier entidad dependía de si fijaban las versiones de las bibliotecas para evitar las actualizaciones automáticas y de si utilizaban herramientas que analizan el código nuevo en busca de cargas maliciosas.
Dicho esto, el radio de impacto para cualquier organización afectada es en gran medida una historia sobre la proliferación de agentes: una experimentación desenfrenada con agentes de IA por parte de individuos dentro de una organización.
Es razonable suponer que los usuarios más vulnerables a este ataque serán los Developer individuales que instalaron LiteLLM utilizando pip (instalador de paquetes para Python) para experimentar con la tecnología.
En un mundo ideal, los Developer no conectan los sistemas de IA a los recursos de producción durante las fases de experimentación.
No vivimos en un mundo ideal. No solemos saber si los sistemas de IA son útiles hasta que se les asignan recursos del sistema o acceso a datos reales. En muchas organizaciones, la adopción de agentes de IA sigue estando descentralizada y no se rige por un programa de seguridad formal. Los desarrolladores y otros administradores conectan repetidamente agentes de IA directamente a aplicaciones y datos de producción mediante tokens de API estáticos y credenciales de cuenta de servicio. Ahí es donde un ataque a la cadena de suministro como este se convierte en una historia de identidad.
En entornos no gestionados, a menudo se accede a los recursos mediante tokens de portador almacenados en archivos de configuración. La mera posesión de los tokens otorga al titular del token acceso a un recurso objetivo. Los tokens no tienen una duración limitada ni están restringidos a una IP o cliente específico.
Si bien podemos intuir el impacto de este evento, el impacto real depende en gran medida de:
- si los tokens robados fueron revocados o rotados antes de que los atacantes pudieran usarlos, y
- si el token fuera válido en el contexto del cliente y la IP del atacante.
Cómo Auth0 ayuda a los Developer a proteger las aplicaciones basadas en agentes
Desde la perspectiva del desarrollador, una forma de reducir el alcance de los ataques a la cadena de suministro es evitar codificar de forma fija las claves de API de larga duración en los archivos de entorno, donde las cargas útiles maliciosas están diseñadas para encontrarlas.
Los Developers que creen aplicaciones basadas en agentes utilizando Auth0 (véase Auth0 for AI Agents) pueden usar el servicio Auth0 Token Vault para reemplazar las claves estáticas con tokens de acceso de corta duración.
Esos tokens de acceso de corta duración también pueden vincularse a la clave privada que posee el cliente al que se emitieron los tokens mediante el soporte de Auth0 con la demostración de prueba de posesión (DPoP). Las solicitudes generadas por intentos del atacante de reutilizar el token de corta duración fuera de ese contexto específico fallarán.
Cómo Okta ayuda a abordar la proliferación de agentes
Okta para agentes de IA ayuda a las organizaciones a centralizar todos los agentes de IA de la empresa en un único directorio, y a gestionar las conexiones entre los agentes y las aplicaciones y los datos que necesitan para realizar sus tareas.
A cada agente de IA gestionado por Okta se le asigna un propietario humano. El acceso de los agentes a los recursos confidenciales utiliza token con ámbito emitidos por Okta o credenciales almacenadas en una bóveda obtenidas de Okta Privileged Access.
Recomendaciones
Centralice la recuperación de paquetes y considere la posibilidad de utilizar herramientas que compilen paquetes directamente desde los repositorios de código fuente, en lugar de desde los repositorios de artefactos de la comunidad. Configure su entorno para que analice automáticamente las actualizaciones en busca de malware y vulnerabilidades antes de que los desarrolladores puedan descargarlas.
Conecte a los agentes con recursos sensibles mediante token efímeros y restringidos al remitente. Utilice Token bóveda para emitir tokens de acceso de corta duración y aplique DPoP (demostración de prueba de posesión) para garantizar que los tokens robados no puedan reutilizarse desde la IP o el cliente de un atacante.
Desarrollar una estrategia para toda la empresa para la gestión y gobernanza de los agentes de IA.
Asigne la propiedad humana a cada agente en uso.
Aplicar políticas para autorizar el acceso de los agentes a recursos sensibles. Como mínimo, se debe exigir que los recursos accesibles por los agentes den soporte a la autorización OAuth 2.0 con ámbitos granulares.
Adopte el acceso entre aplicaciones (XAA). Esto reduce el número de solicitudes de consentimiento que los usuarios encuentran al autorizar a los agentes. Los protocolos de autenticación distribuidos, como XAA, también son menos vulnerables a los ataques dirigidos a una puerta de enlace centralizada.
Aplique medidas de mitigación al uso de tokens de API estáticos o credenciales de cuenta de servicio. Configure listas de direcciones IP permitidas y bóveda las credenciales utilizando herramientas de administración de Privileged Access.
Comprobaciones de postura avanzadas
Okta Device Assurance se puede utilizar para evaluar si un dispositivo que ejecuta el cliente Okta Verify está ejecutando una versión vulnerable de LiteLLM:
SELECCIONAR
CASO
WHEN COUNT(*)=0 THEN 0
ELSE 1
END AS litellm_vuln
DESDE python_packages
WHERE name='litellm'
AND version IN ('1.82.7', '1.82.8');
Indicadores de riesgo
Indicador | Tipo | Source | Contexto |
models.litellm[.]cloud | dominio | Servidor de exfiltración asociado con el ataque LiteLLM | |
litellm_init.pth | Nombre del archivo | Nombre del archivo descargado en los sistemas comprometidos en el ataque LiteLLM | |
tpcp.tar.gz | Nombre del archivo | Nombre del archivo que crea la secuencia de comandos después de preparar las credenciales para la exfiltración de un sistema comprometido. | |
45.148.10.212 | Dirección IP | Asociado con ataques previos del mismo actor de amenazas dirigidos al proyecto Trivy. | |
scan.aquasecurtiy[.]org | dominio | Asociado con ataques previos del mismo actor de amenazas dirigidos al proyecto Trivy. |
Rob Gil y Rafa Bono contribuyeron a este artículo.