TuxBot: el malware asistido por LLM deja huellas forenses en su código

¿Qué es esto?

El 15 de julio de 2026, Unit 42 de Palo Alto Networks publicó un análisis de TuxBot v3 Evolution, un framework de botnet IoT no documentado hasta ahora cuyo código fuente muestra señales inequívocas de haber sido escrito con ayuda de un gran modelo de lenguaje. Los investigadores Chris Navarrete, Asher Davila y Doel Santos vinculan el framework al ecosistema Keksec, junto a familias conocidas como Mirai y AISURU, con al menos una muestra subida a VirusTotal el 20 de enero de 2026.

Lo interesante para los defensores no son las capacidades de la botnet — un conjunto de herramientas bastante estándar de la estirpe Mirai — sino lo que el autor dejó por descuido. El desarrollador entregó las notas de trabajo en bruto del modelo, un aviso de seguridad generado por la IA que olvidó eliminar, y código criptográfico que el modelo parece haber alucinado. Varias funciones de las muestras analizadas simplemente no funcionan. El resultado es una mirada poco común y bien documentada a los residuos forenses que puede dejar un desarrollo de malware asistido por LLM.

Cómo funciona

TuxBot es modular: un agente bot en C que se compila para ARM, MIPS, x86_64, PowerPC y RISC-V, un servidor de mando y control (C2) en Go con un panel de DDoS por encargo, una VM de explotación propia y un sistema de compilación automatizado. El agente hace fuerza bruta sobre Telnet con una lista de credenciales e incorpora exploits para más de treinta familias de dispositivos IoT, con reserva sobre varios canales C2 (un algoritmo de generación de dominios, un protocolo de gossip peer-to-peer firmado, IRC, consultas DNS TXT y sondeo HTTP). Nada de esto es novedoso.

Los artefactos reveladores sí lo son. Unit 42 informa de que varios archivos contienen razonamiento (chain-of-thought) en bruto dejado literalmente en los comentarios — las notas paso a paso del modelo mientras resolvía las tareas de portado, con autointerrupciones, decisiones y referencias a «el usuario», es decir, el desarrollador que lo instruyó. Además, el aviso de seguridad del modelo sobrevivió hasta el código entregado, un artefacto que solo aparece cuando se pega texto generado sin revisión. Por último, el autor entregó implementaciones criptográficas alucinadas sin verificarlas, lo que explica en gran parte por qué varias funciones están rotas.

En conjunto, son las huellas de comportamiento de un flujo «generar y pegar» sin revisión manual del código — justo el tipo de canalización de bajo coste que permite a un solo operador ensamblar rápidamente una botnet multicanal.

Por qué importa

De aquí se derivan dos consecuencias que apuntan en direcciones opuestas.

Para los defensores, el malware asistido por LLM ofrece hoy una superficie de detección y atribución que el malware escrito a mano no tiene. Comentarios de razonamiento literales, avisos de asistente olvidados, estilos característicos de identificadores y comentarios, y racimos de código no funcional pero plausible son señales de caza. También filtran inteligencia de proceso: qué componentes se portaron, en qué orden y dónde flaqueó la competencia del autor. Es la misma lección de análisis anteriores sobre las huellas del código escrito por IA: los artefactos generados por máquina tienen un grano reconocible.

La otra mitad, incómoda, es que estos artefactos son señales transitorias de inexperiencia, no de debilidad. Unit 42 señala que bastaron unos pocos prompts dirigidos para arreglar varias de las funciones rotas: un adversario con el mismo código podría entregar una versión más completa con un esfuerzo mínimo. La barrera que produjo esta muestra descuidada es un paso de revisión ausente, no un límite del modelo. A medida que los operadores aprendan a eliminar los comentarios de razonamiento y a probar el código generado, esta huella concreta se desvanecerá — su valor para los defensores es real pero limitado en el tiempo.

Defensas

• Cace artefactos de generación en las muestras recuperadas. Añada reglas YARA y búsquedas grep para avisos con estilo de asistente, comentarios de razonamiento en primera persona, referencias a «el usuario» y otras marcas de salida de modelo pegada. Es barato de buscar y, hoy, común en malware poco elaborado.
• Trate el código no funcional pero plausible como una señal, no como ruido. Racimos de funciones rotas pero bien estructuradas (sobre todo criptografía vaga) delatan una generación no verificada y ayudan a agrupar muestras por autor o cadena de herramientas.
• No rebaje una amenaza porque su compilación actual tenga fallos. El mismo código, más una pasada de revisión, produce una herramienta funcional. Priorice por capacidad y linaje (aquí Keksec / Mirai / AISURU), no por si esta muestra concreta se ejecuta.
• Refuerce lo básico de IoT. El vector de entrada real del agente es la fuerza bruta sobre Telnet y los exploits de dispositivos conocidos. Deshabilite Telnet, cambie las credenciales por defecto, segmente y parchee los equipos IoT/OT, y limite el tráfico saliente de tipo C2. La ayuda del LLM cambia quién puede construir una botnet, no cómo entra.
• Alimente la inteligencia de amenazas ya. Como la ventana de los artefactos se cierra a medida que los operadores maduran, capture y comparta estos indicadores mientras sean abundantes.

Estado

Elemento	Valor
Qué	TuxBot v3 Evolution — botnet IoT/DDoS modular con desarrollo asistido por LLM
Divulgación	15 de julio de 2026 (Unit 42, Palo Alto Networks)
Primera detección	Subida a VirusTotal el 20 de enero de 2026; trabajos ~1 año antes
Atribución	Ecosistema Keksec; linaje con Mirai, AISURU, Wuhan; port de MHDDoS
Artefactos clave	Razonamiento LLM literal en comentarios, aviso de seguridad sin borrar, cripto alucinada
Estado	En desarrollo; varias funciones no funcionales en la muestra recuperada
Alcance	Hallazgo de threat intel; sin CVE, sin parche (malware, no un fallo de producto)

Fechas clave: 20 de enero de 2026 — primera muestra conocida en VirusTotal; 15 de julio de 2026 — publicación de Unit 42 y cobertura de prensa. Ambas fuentes citadas se publicaron el 15 de julio de 2026.