El malware para Android RATHat utiliza la IA Gemini para tomar el control de los teléfonos infectados superando los permisos normales de las aplicaciones. Este troyano bancario aprovecha una función de desarrollador para crear un canal de comando independiente que persiste incluso si se elimina la aplicación, hasta que el dispositivo se reinicia. Su distribución se realiza mediante anuncios maliciosos y mensajes de phishing dirigidos a Europa y América Latina.

El malware para Android RATHat utiliza la IA de Gemini para ayudar a tomar el control de los teléfonos infectados más allá de los permisos normales de las aplicaciones. El troyano bancario abusa de una función de desarrollador para establecer un canal de comando independiente que puede sobrevivir a la eliminación de la aplicación maliciosa hasta que el teléfono se reinicie.

Los atacantes lo distribuyen a través de anuncios maliciosos y mensajes de texto de phishing dirigidos a Europa, América Latina y el Sudeste Asiático.

Aplicaciones falsas engañan a las víctimas para que concedan acceso de Accesibilidad, ampliando los riesgos descritos en ataques bancarios anteriores de RatHat con un control más profundo sobre el dispositivo. Los investigadores de Cleafy identificaron tres generaciones del panel del operador del malware entre abril y septiembre de 2026.

Las muestras de finales de 2025, febrero de 2026 y las campañas actuales mantuvieron un diseño similar, mientras que la infraestructura detrás de ellas cambió sustancialmente. Las campañas anteriores utilizaban señuelos de comercio de criptomonedas y entretenimiento para adultos.

Cleafy indicó en un informe que habían aparecido casi 100 despliegues independientes desde abril de 2026.

Las restricciones de licencia y las campañas paralelas respaldan un modelo de malware como servicio, en lugar de demostrar que un único grupo central controla cada despliegue.

Malware RATHat para Android

Después de recibir acceso de Accesibilidad, RATHat navega por los ajustes del teléfono, habilita la depuración inalámbrica y lee el código de emparejamiento que aparece en pantalla. Se empareja con el servicio local de Android Debug Bridge, obteniendo acceso como usuario de shell, identificado por Android como UID 2000.

El proceso de emparejamiento depende de encontrar controles específicos, pero las instrucciones fijas pueden fallar en interfaces de fabricantes desconocidos, versiones de Android o idiomas diferentes. Cuando eso sucede, el malware envía a Gemini una descripción estructurada de la interfaz activa y le pregunta dónde debe pulsar.

Gemini devuelve coordenadas o un texto corto que ayuda a resolver una etiqueta desconocida. Las solicitudes van directamente desde el teléfono a los modelos Gemini Flash utilizando una clave almacenada en la configuración del malware, en lugar de pasar por el servidor de comandos de los atacantes.

Esto se asemeja a la navegación adaptativa vista en el spyware de Android asistido por Gemini que reemplaza las instrucciones rígidas de pantalla con respuestas del modelo.

En RATHat, sin embargo, la función de IA observada en el dispositivo mantiene específicamente operativa la secuencia de emparejamiento de depuración inalámbrica cuando la coincidencia de texto ordinaria falla.

Una vez que el emparejamiento tiene éxito, un operador puede desplegar un servicio independiente escrito en Go con un solo clic. Este se ejecuta independientemente de la aplicación, abre un servidor HTTP local en el puerto 7912 y permanece accesible a través de un túnel inverso hacia la infraestructura del atacante.

El servicio puede capturar el contenido de la pantalla e inyectar toques utilizando herramientas de prueba de Android sin el aviso o indicador habitual de grabación de pantalla.

Cleafy señaló que esas herramientas no funcionan en Android 14 y versiones posteriores, dejando que los dispositivos más nuevos dependan de la captura basada en aplicaciones con el consentimiento del usuario.

Infraestructura de Fraude

El panel de comandos evolucionó de BlackCat a Panda Workshop V5 y V6. La V5 introdujo la autenticación de dos factores para el operador y un widget de puntuación de saldo por IA, mientras que la V6 oscureció su código de front-end, añadió plantillas de páginas de descarga de phishing y consolidó los ajustes de IA en torno a Gemini.

Los operadores pueden construir, empaquetar, firmar y publicar aplicaciones maliciosas sin salir de la consola. La reconstrucción programada produce archivos nuevos mientras mantiene el implante subyacente sin cambios, ayudando a las campañas a evadir los métodos de detección que dependen del reconocimiento de hashes de archivos previamente registrados.

Junto con el control remoto, el panel expone mensajes robados, credenciales, contactos, fotografías y archivos. Pantallas falsas colocadas sobre aplicaciones seleccionadas capturan la información introducida.

Un abuso similar de la depuración inalámbrica visto en ToxicPanda muestra por qué esta función de desarrollador se ha convertido en una preocupación más allá del robo convencional de credenciales.

Una función de IA independiente analiza los mensajes SMS recopilados para estimar los saldos bancarios de las víctimas y clasificar los dispositivos por valor. Esto ayuda a los operadores a seleccionar objetivos, en lugar de llevar a cabo el fraude por sí misma.

Cleafy no encontró ninguna muestra analizada que utilizara la navegación guiada por IA para completar una transferencia fraudulenta. Cleafy recomienda monitorear la actividad ejecutada como UID 2000, extendiendo las comprobaciones de seguridad más allá de los permisos y el ciclo de vida de la aplicación.

Las herramientas de prueba descargadas conservan nombres de archivo reconocibles en el directorio de despliegue temporal, proporcionando artefactos que los investigadores pueden examinar durante una sospecha de compromiso.

La brecha en la eliminación es importante: borrar la aplicación visible no detiene inmediatamente el servicio independiente, el cual sobrevive hasta el reinicio. La investigación también advierte que la navegación de interfaces asistida por IA podría reducir la ingeniería personalizada necesaria para futuros ataques bancarios automatizados, aunque esa capacidad más amplia no se demostró aquí.