Un atacante con capacidades agentic AI, identificado por Microsoft como JadePuffer (seguido como Storm-3168), aprovechó credenciales de servicio comprometidas en Microsoft Azure para ejecutar una campaña automatizada de destrucción de recursos en cuestión de minutos. Según el informe de Microsoft Security Research, el actor comprometió dos "service principals" legítimos dentro del mismo tenant: uno dedicado a reconocimiento y mapeo del entorno y otro encargado de operaciones destructivas y recopilación de credenciales. El primer "service principal" pasó alrededor de 15 horas realizando más de 300 operaciones de lectura para mapear máquinas virtuales, suscripciones y grupos de recursos. A los 90 minutos de iniciado ese mapeo, el segundo service principal realizó una enumeración masiva de VMs y grupos de recursos en apenas cinco segundos, otorgando al atacante visibilidad amplia del entorno.

Horas después, el actor intentó y logró borrar múltiples recursos: más de 100 intentos para eliminar cuentas de almacenamiento (la mayoría exitosos), un Azure Key Vault, una Function App y un App Service plan. Varios intentos de borrar bases de datos Azure SQL fallaron por uso de una versión de API no soportada. Posteriormente, el atacante enumeró las cuentas de almacenamiento y realizó más de 30 solicitudes exitosas de ListKeys para recuperar claves de acceso, incluyendo cuentas relacionadas con Site Recovery, lo que indica intención de neutralizar respaldos y controles de recuperación.

Microsoft no pudo confirmar la vía exacta de compromiso inicial, aunque encontró que el client ID, client secret y tenant ID habían quedado expuestos en texto plano en el historial público de edición de una issue de GitHub por un empleado del cliente. Aunque no se confirmó exfiltración de datos ni se observó nota de rescate, la técnica y el patrón son consistentes con operaciones orientadas a ransomware o extorsión. El caso amplía la actividad conocida de JadePuffer hacia Azure y subraya cómo la orquestación automatizada (posiblemente con apoyo de modelos LLM) puede acelerar operaciones complejas post-compromiso.