🛡 VULNERABILIDADES 🛡

Anthropic Mythos descubre una vulnerabilidad en Rejetto HFS. Los atacantes ya la están explotando.

⏰6 de octubre de 2026🛡CyberObservatorio

Idioma

◢ VULNERABILIDADES ◣

Anthropic Mythos descubre una vulnerabilidad en Rejetto HFS. Los atacantes ya la están explotando.

⟫ 05/10/2026 ⟫ Pierluigi Paganini

Fuente: Security Affairs

Se ha descubierto una vulnerabilidad en el servidor de archivos HTTP de Rejetto (HFS), identificada como CVE-2026-61500 y con una puntuación CVSS de 9.3, que se encuentra actualmente en explotación activa en el entorno real. Este hallazgo, que inicialmente era parte de un experimento de investigación en ciberseguridad, se ha convertido en una advertencia tangible para los defensores de la seguridad. La vulnerabilidad afecta a las versiones 3.x de Rejetto HFS, lo que permite a los atacantes eludir la autenticación, obtener acceso administrativo y, en última instancia, ejecutar código arbitrario en el servidor afectado.

La firma de investigación de seguridad VulnCheck ha comenzado a observar actividad de reconocimiento dirigida a sistemas vulnerables. Según un comunicado de VulnCheck, “hoy, la red de inteligencia Canary de VulnCheck comenzó a detectar intentos de explotación de CVE-2026-61500, una vulnerabilidad de forja de sesión a través de una clave de firma débil en Rejetto HFS, un servidor de archivos de código abierto”. Esta vulnerabilidad fue descubierta por Zach Hanley de Horizon3.ai y se publicó a través del CNA de VulnCheck el 13 de julio de 2026.

La relevancia de esta historia radica en dos aspectos fundamentales: la vulnerabilidad en sí misma y el método que utilizó Horizon3 para identificarla. Rejetto HFS es una aplicación de código abierto diseñada para facilitar el alojamiento y compartición de archivos. Sus versiones anteriores 2.x estaban escritas en Delphi, mientras que la nueva rama 3.x fue reescrita en TypeScript. HFS ya había aparecido en el catálogo de Vulnerabilidades Conocidas Explotadas de CISA debido a la CVE-2024-23692, una inyección de plantilla no autenticada que podría conducir a la ejecución remota de código.

El equipo de Horizon3 analizó el nuevo código utilizando un entorno de investigación personalizado y el modelo Mythos de Anthropic como parte del Proyecto Glasswing. Desde su incorporación al proyecto en julio de 2026, la compañía ha utilizado Mythos para detectar vulnerabilidades serias, enfocándose en fallos que los atacantes podrían descubrir y explotar de manera realista a gran escala. Esta distinción es crucial, ya que localizar un error es una cosa, pero identificar uno que pueda transformarse en un ataque confiable es considerablemente más complicado.

Los investigadores de Horizon3 afirman que Mythos ha demostrado un rendimiento excepcional en tareas científicas, informática, sistemas operativos, matemáticas y problemas que requieren múltiples pasos. La vulnerabilidad de HFS es un buen ejemplo de esto, ya que el modelo no solo identificó un diseño criptográfico débil, sino que también conectó varios problemas y determinó cómo podrían combinarse para lograr la ejecución remota de código.

El problema comienza con la autenticación. HFS genera un valor utilizando Math.random() de JavaScript. Este valor se integra en Koa, el marco web de Node.js utilizado por HFS, y Koa lo utiliza a través de Keygrip para firmar las cookies de sesión. Si un atacante puede recuperar el valor utilizado como clave de firma, podrá crear cookies de sesión válidas. Para explicar completamente el problema, el informe de Horizon3 detalla primero cómo funciona la autenticación en HFS y, posteriormente, cómo Mythos identificó la vulnerabilidad.

Si un atacante puede derivar cuál es la clave de firma de sesión, puede forjar cookies de sesión válidas. Normalmente, esto no debería ser posible si se emplea un generador de números aleatorios pseudoaleatorios (PRNG) seguro. Sin embargo, HFS empleó Math.random() de V8, que se basa en el generador de números pseudoaleatorios xorshift128+. Este generador no está diseñado para la seguridad, y su salida puede preverse si un atacante recopila suficientes valores.

El problema se agrava porque HFS expone valores de la misma secuencia de números aleatorios. Durante el inicio de sesión, HFS coloca un valor de Math.random() en el estado de la sesión, y la cookie de sesión envía ese valor al cliente. Esto significa que un atacante podría recopilar valores aleatorios de la misma fuente utilizada para crear la clave de firma.

Mythos reconoció esta conexión. Identificó tanto el generador de números aleatorios inseguro utilizado para crear la clave de firma como el camino de código separado que filtraba los valores de ese mismo generador. A partir de ahí, determinó que los valores filtrados podrían proporcionar suficiente información para reconstruir el estado interno del generador y retroceder hasta los valores generados cuando se inició el servidor.

Este proceso requiere matemáticas, no solo coincidencias de patrones en el código fuente. El generador xorshift128+ mantiene un estado interno compuesto por dos valores de 64 bits. Sus operaciones son reversibles, lo que significa que suficientes salidas consecutivas pueden utilizarse para reconstruir el estado y luego retroceder a las salidas anteriores. En el motor JavaScript de Node.js, V8, al invocar Math.random(), el PRNG se genera con el algoritmo xorshift128+. Aunque no profundizaremos en el algoritmo en sí, es crucial mencionar que sus salidas son reversibles. Si se pueden observar otros números generados por Math.random(), es posible, dado un número suficiente de observaciones, conocer los números anteriores que se generaron. Esto permitiría a un atacante forjar cookies de autenticación válidas.

Mythos sugirió utilizar Z3, el resolvedor de satisfacibilidad de teorías modulares de Microsoft, para resolver las restricciones matemáticas. Los investigadores de Horizon3 señalaron que normalmente habrían considerado primero un ataque de fuerza bruta y que no habían visto anteriormente un resolvedor SMT utilizado de esta manera para convertir una debilidad criptográfica en una aplicación real en un bypass de autenticación.

El modelo no se detuvo en la mera observación teórica. Produjo una prueba de concepto funcional, implementó el resolvedor Z3 con las restricciones necesarias y demostró la ejecución de comandos arbitrarios. Esta distinción es importante. Los equipos de seguridad han estado discutiendo el descubrimiento de vulnerabilidades asistido por inteligencia artificial durante un tiempo, pero hay una diferencia fundamental entre un sistema de IA que dice "esto parece sospechoso" y un agente que logra determinar cómo varios puntos débiles pueden encadenarse en un ataque efectivo.

La cadena de ataque completa comienza con la enumeración de usuarios para establecer si existe la cuenta de administrador incorporada. Horizon3 también señala que Mythos identificó la debilidad de enumeración de usuarios necesaria para completar la cadena. El atacante recopila entonces las salidas filtradas de Math.random() de un punto final no autenticado. En su explotación, Horizon3 muestrea el punto final 12 veces, introduce las observaciones en Z3, reconstruye el estado interno de xorshift128+ y retrocede en ese estado para recuperar la clave de firma generada cuando se inició el proceso de HFS. Este tipo de vulnerabilidad pone de manifiesto la necesidad urgente de revisar las implementaciones de seguridad en aplicaciones de código abierto y la importancia de contar con diagnósticos robustos que puedan identificar tales debilidades antes de que sean explotadas en el mundo real.

Con la clave obtenida, el atacante puede falsificar una cookie de sesión de administrador. HFS acepta entonces esta sesión forjada como autenticada, lo que permite al atacante acceder a funcionalidades que pueden ejecutar código en el servidor. Este proceso representa una cadena de vulnerabilidades que inicia con un acceso no autenticado, avanza hacia la filtración de números aleatorios, de ahí a la recuperación del estado, luego a la falsificación de cookies y, finalmente, culmina en el control administrativo y la ejecución remota de código.

Lo notable de este caso es que no fue necesaria una vulnerabilidad espectacular de corrupción de memoria ni un exploit exótico del kernel. El atacante logra su objetivo mediante la combinación de una fuente débil de aleatoriedad, la filtración de información y una aplicación que confía en el estado de la sesión resultante. Esta debilidad criptográfica ha sido frecuentemente pasada por alto en investigaciones manuales, ya que demostrar su impacto real puede requerir mucho tiempo y una comprensión matemática avanzada. Sin embargo, la herramienta Mythos cambia esta dinámica, permitiendo investigar la debilidad, identificar el eslabón perdido y resolver el problema matemático sin que un investigador tenga que guiar manualmente cada paso del proceso.

Los investigadores de Horizon3 enfatizan que no fue necesaria una indicación adicional para descubrir la fuga de un generador de números aleatorios (PRNG) que convirtió este problema teórico en uno demostrable. No fue necesario dar instrucciones sobre cómo investigar enfoques para "resolver" un problema matemático complejo. A medida que los sistemas de inteligencia artificial mejoran en el razonamiento a través del código, las matemáticas y largas secuencias de operaciones, es probable que los atacantes comiencen a explotar vulnerabilidades que anteriormente se consideraban demasiado complicadas o poco fiables para ser utilizadas a gran escala. Una clase de vulnerabilidad no necesariamente se vuelve más peligrosa solo porque el error subyacente haya cambiado; puede volverse más amenazante si el costo de convertir ese error en un exploit ha disminuido.

Un investigador humano podría notar que una aplicación utiliza Math.random() para algo sensible en términos de seguridad y decidir que explotar esa vulnerabilidad requeriría demasiado esfuerzo. En cambio, un agente de inteligencia artificial puede continuar su análisis, inspeccionar otro camino de código, encontrar los valores filtrados, conectar las dos observaciones, formular las restricciones matemáticas y probar si el ataque resultante efectivamente funciona.

Horizon3 también establece una importante aclaración: sus investigadores no argumentan que los investigadores de seguridad se han vuelto irrelevantes. Su papel evoluciona, ya que todavía hay decisiones que tomar sobre qué proyectos merecen una investigación más profunda, qué bibliotecas son lo suficientemente importantes como para justificar un análisis especializado, y dónde es probable que un escaneo automatizado encuentre algo útil.

La compañía señala que los modelos disponibles en 2025 ya podrían identificar vulnerabilidades, pero los investigadores necesitarían un considerable trabajo de ingeniería de software para manejar el contexto, seleccionar archivos y funciones relevantes, y guiar el análisis. Modelos más recientes y bibliotecas de apoyo han reducido algunas de estas limitaciones, haciendo que instrucciones relativamente simples como "encontrar vulnerabilidades" o "encontrar un bypass" sean mucho más efectivas en proyectos que no han recibido una revisión de seguridad exhaustiva.

El HFS fue corregido en la versión 3.2.1, lanzada el 13 de julio. Rejetto advirtió que múltiples vulnerabilidades de seguridad habían afectado versiones anteriores, lo que podría permitir a los atacantes obtener acceso administrativo. El hecho de que ahora se haya comenzado a explotar estas vulnerabilidades transforma esta divulgación en algo más que una simple demostración interesante de la capacidad de la inteligencia artificial. VulnCheck informó el 2 de octubre que los atacantes habían comenzado a dirigirse a la CVE-2026-61500 en actividades de reconocimiento a pequeña escala originadas desde una dirección IP de China Telecom, con intentos observados impactando "canarios" en Japón y Estados Unidos.

"Las actividades hasta ahora parecen ser solo un reconocimiento a pequeña escala, con una sola IP de China Telecom sondeando implementaciones de canarios en Japón y Estados Unidos", agregó VulnCheck. "La CVE-2026-61500 afecta a las versiones del servidor de archivos Rejetto HFS 3.0.0–3.2.0 y permite la toma de control de cuentas y la ejecución remota de código".

Para los defensores, la lección práctica es incómoda pero simple: una vulnerabilidad que antes parecía demasiado complicada para ser utilizada como un arma puede haber perdido esa protección. Y la inteligencia artificial no necesita inventar una nueva técnica de ataque para cambiar esta realidad. Puede tomar una colección de debilidades ordinarias, realizar el razonamiento tedioso entre ellas y producir el exploit que un investigador humano podría haber considerado no merecedor del tiempo invertido.

"El campo de la investigación en seguridad ha cambiado, sigue cambiando y debemos esperar que tengamos que adaptarnos a medida que evoluciona", concluye el informe.

◢ VULNERABILIDADES ◣

Anthropic Mythos Found A Bug in Rejetto HFS. Attackers Are Now Exploiting It.

⟫ 05/10/2026 ⟫ Pierluigi Paganini

Source: Security Affairs

A Rejetto HFS vulnerability, tracked as CVE-2026-61500 (CVSS score of 9.3), discovered with the help of theAnthropic MythosAI model is now being exploited in the wild, turning an interesting security research experiment into a much more practical warning for defenders. The vulnerability affects Rejetto HTTP File Server (HFS) 3.x. Attackers can exploit it to bypass authentication, obtain administrative access and ultimately execute arbitrary code on the server. VulnCheckobservedreconnaissance activity targeting vulnerable systems. “Earlier today,VulnCheck‘s Canary Intelligence network started detecting probes for CVE-2026-61500, a session-forgery-via-weak-signing-key vulnerability in Rejetto HFS, an open-source file server.”VulnCheck warned. “The vulnerability was discovered byHorizon3.ai‘sZach Hanleyand published through the VulnCheck CNA on July 13, 2026.” The story is interesting for two reasons. The first is the vulnerability itself. The second is how Horizon3 found it. Rejetto HFS is an open-source application designed to make file hosting and sharing easy. Its earlier 2.x releases were written in Delphi, while the newer 3.x branch was rewritten in TypeScript. HFS had already appeared in CISA’s Known Exploited Vulnerabilities catalog because of CVE-2024-23692, an unauthenticated template injection that could lead to remote code execution. Horizon3 analyzed the new code using a custom research setup and Anthropic’s Mythos model as part ofProject Glasswing. Since joining the project in July 2026, the company says it has used Mythos to find serious vulnerabilities, focusing on flaws that attackers could realistically discover and exploit at scale. That distinction matters. Finding a bug is one thing. Finding a bug that can be turned into a reliable attack is much harder. Horizon3 researchers say Mythos performed particularly well in scientific tasks, computer science, operating system internals, math, and problems that require many steps. The HFS vulnerability is a good example. The model did not just spot a weak cryptographic design. It connected several different issues and worked out how they could be combined to achieve remote code execution. The problem starts with authentication. HFS generates a value using JavaScript’sMath.random(). That value goes into Koa, the Node.js web framework used by HFS, and Koa uses it through Keygrip to sign session cookies. If an attacker can recover the value used as the signing key, the attacker can create valid session cookies. “To fully explain the issue, first, we’ll detail how authentication works in HFS, and then how Mythos identified the issue.” states the report published by Horizon. If an attacker can derive what the session signing key is, they can forge valid session cookies. Typically, this should not be possible if using a secure pseudo random number generator (PRNG).” Normally, this would be difficult. But HFS used V8’sMath.random(), which is based on the xorshift128+ pseudo-random number generator. It is not designed for security, and its output can be predicted if an attacker collects enough values. The bigger problem was that HFS exposed values from the same random-number stream. During login, HFS put aMath.random()value into the session state, and the session cookie sent that value to the client. This meant an attacker could collect random values from the same generator that was used to create the signing key. Mythos recognized the connection. It identified both the insecure random-number generator used to create the signing key and the separate code path that leaked values from that same generator. From there, it determined that the leaked values could provide enough information to reconstruct the generator’s internal state and work backwards to the values generated when the server started. That requires mathematics, not just source-code pattern matching. The xorshift128+ generator maintains an internal state made from two 64-bit values. Its operations are reversible, meaning that enough consecutive outputs can be used to reconstruct the state and then move backwards through previous outputs. “In V8, Node.js’s JavaScript engine, when calling Math.random() the PRNG is generated with xorshift128+ algorithm. “We won’t dive into the algorithm itself, but critically the outputs of it are reversible. If you can observe other numbers generated by Math.random(), it is possible given enough observations to know the previous numbers that were generated.” continues the report. “This would allow an attacker to forge valid authentication cookies.” Mythos proposed using Z3, Microsoft’s open-source satisfiability modulo theories solver, to solve the mathematical constraints. Horizon3’s researchers point out that they would normally have considered brute force first, and that they hadn’t previously seen an SMT solver used in this way to turn a cryptographic weakness in a real application into an authentication bypass. The model also didn’t stop at the theoretical observation. It produced a working proof of concept, implemented the Z3 solver with the required constraints and demonstrated arbitrary command execution. That distinction is important. Security teams have been discussing AI-assisted vulnerability discovery for a while, but there is a major difference between an AI system saying “this looks suspicious” and an agent figuring out how several weak points can be chained into a working attack. The complete attack chain starts with user enumeration to establish whether the built-in administrator account exists. Horizon3 says Mythos also identified the user-enumeration weakness needed to complete the chain. The attacker then collects leakedMath.random()outputs from an unauthenticated endpoint. Horizon3’s exploit samples the endpoint 12 times, feeds the observations into Z3, reconstructs the internal xorshift128+ state and walks that state backwards to recover the signing key created when the HFS process started. With that key, the attacker can forge an administrator session cookie. HFS then accepts the forged session as authenticated, allowing the attacker to reach functionality that can execute code on the server. The chain therefore moves from unauthenticated access to random-number leakage, from leakage to state recovery, from state recovery to cookie forgery, and from cookie forgery to administrative control and remote code execution. There was no need for a spectacular memory corruption bug. No exotic kernel exploit was required. The attacker gets there by combining a weak source of randomness, information leakage and an application that trusts the resulting session state. Horizon3’s researchers say this type of cryptographic weakness has often been abandoned during manual research because proving real impact can take too much time and requires mathematical expertise. Mythos changes that calculation because it can investigate the weakness, identify the missing link and solve the mathematical problem without requiring a researcher to manually direct every step. “It did not require follow-on prompting to find the disparate PRNG leak that made this theoretical issue a demonstrable one.” Horizon continues. “It did not require instruction to go out and research approaches to “solve” a complex mathematical problem.” Horizon3 argues that as AI systems become better at reasoning across code, mathematics and long sequences of operations, attackers may start weaponizing vulnerabilities that were previously considered too difficult or unreliable to exploit at scale. A vulnerability class doesn’t necessarily become more dangerous because the underlying bug changed. It can become more dangerous because the cost of turning that bug into an exploit has fallen. A human researcher might spot that an application usesMath.random()for something security-sensitive and move on after deciding that exploiting it would take too much effort. An AI agent can keep going, inspect another code path, find the leaked values, connect the two observations, formulate the mathematical constraints and test whether the resulting attack actually works. Horizon3 also makes an important qualification. Its researchers don’t argue that security researchers have become irrelevant. Their role changes because someone still has to decide which projects deserve deeper investigation, which libraries are important enough to justify specialized analysis, and where an automated scan is likely to find something useful. The company also notes that models available in 2025 could already identify vulnerabilities, but researchers needed substantial software engineering around them to manage context, select relevant files and functions, and guide the analysis. Newer models and supporting libraries have reduced some of those limitations, making relatively simple instructions such as “find vulnerabilities” or “find a bypass” much more effective against projects that haven’t received extensive security review. HFS was patched in version 3.2.1, released on July 13. Rejetto warned that multiple security vulnerabilities had affected previous versions and could allow attackers to obtain administrative access. The fact that exploitation has now appeared makes the disclosure more than an interesting demonstration of AI capability. VulnCheck reported on October 2 that attackers had started targeting CVE-2026-61500 in small-scale reconnaissance activity originating from a China Telecom IP address, with observed attempts hitting canaries in Japan and the United States. “Activity so far looks to be small-scale reconnaissance only, with a single China Telecom IP probing Canary deployments in Japan and the United States.” VulnCheck added. “CVE-2026-61500 affects Rejetto HFS file server versions 3.0.0–3.2.0 and allows for account takeover and remote code execution.” For defenders, the practical lesson is uncomfortable but simple: a vulnerability that once looked too complicated to weaponize may no longer have that protection. And AI doesn’t need to invent a new attack technique to change the equation. It can take a collection of ordinary weaknesses, do the tedious reasoning between them and produce the exploit that a human researcher might have decided wasn’t worth the time. “The security research space has changed, is still changing, and expect that we’ll continue to have to adapt as it shifts.” concludes the report. Follow me on Twitter:@securityaffairsandFacebookandMastodon Pierluigi Paganini (SecurityAffairs– hacking, Rejetto HFS)

𝐗 Twitter f Facebook ☎ WhatsApp ✈ Telegram

← VOLVER A CIBERSEGURIDAD