La exposición de credenciales en ChatGPT abre nuevos frentes de vulnerabilidad digital

El robo de acceso a sistemas informáticos expone historiales de conversación, integraciones conectadas y documentación sensible.

0
1

La exposición de credenciales y el acceso no autorizado a las cuentas de ChatGPT se ha convertido en una preocupación creciente para la industria de la seguridad informática.

ESET advierte que las consecuencias de este tipo de vulneraciones van mucho más allá de la lectura no autorizada de historiales de conversación, extendiéndose a la filtración de documentos corporativos, la suplantación de identidad mediante integraciones de correo y la generación de costos no autorizados en servicios vinculados.

El análisis técnico de la firma señala que la severidad de un incidente depende del nivel de integración de la cuenta y del tipo de información que el usuario introduzca en la plataforma.

Según datos recopilados por ESET, los atacantes suelen emplear tres vectores principales de entrada: campañas de phishing dirigidas mediante enlaces falsos, técnicas de automatización basadas en credenciales filtradas previamente en la red y el aprovechamiento de malware enfocado en el robo de información del sistema operativo.

Reportes del sector y análisis de firmas de inteligencia como Recorded Future confirman que las credenciales de acceso a plataformas de inteligencia artificial generativa figuran de manera recurrente en mercados de la web oscura. Ante la presencia de un acceso no autorizado, la recomendación de los especialistas contempla el cierre inmediato de todas las sesiones activas desde el panel de seguridad del servicio, la modificación de contraseñas de acceso y la habilitación obligatoria del segundo factor de autenticación para mitigar los riesgos derivados de la suplantación.

Fuente: ESET

 

 

Custom Text
Artículo anteriorNuevas alianzas tecnológicas transforman la gestión energética de los centros de datos
Artículo siguienteOpenAI introduce GPT-6 Cyber con controles de acceso restringido para la detección de fallos de software