Claude Mythos de Anthropic, cuyo acceso está actualmente restringido a un reducido número de organizaciones de confianza en el marco del Proyecto Glasswing debido a sus avanzadas capacidades de ciberseguridad, representa algo radicalmente distinto de las generaciones anteriores de IA.
El riesgo de la IA de frontera tiene poco que ver con una intención maliciosa; procede de la capacidad del modelo para razonar, planificar, adaptarse y optimizar en tiempo real. Tanto si funciona de forma autónoma como a través de una integración comprometida, un modelo de la clase Mythos puede generar campañas de ingeniería social muy convincentes, sondear API a la velocidad de una máquina, poner a prueba continuamente los controles de seguridad y cambiar de táctica de inmediato cuando encuentra resistencia.
Eso cambia la economía de la ciberdefensa.
La mayoría de las arquitecturas de seguridad empresarial se diseñaron para detener a atacantes que siguen patrones reconocibles. La detección basada en firmas, las políticas predefinidas y la investigación humana han dado buenos resultados a las organizaciones porque los atacantes humanos dejan inevitablemente cierto margen de tiempo entre el reconocimiento, la explotación y la adaptación.
Un modelo de razonamiento elimina esa ventaja. Cuando un agente de IA puede observar, aprender y cambiar su comportamiento en cuestión de segundos, los equipos de seguridad ya no pueden permitirse responder después de detectar el ataque. Ahora importa más dónde se intercepta el ataque que si se detecta.
La respuesta está en la ruta del tráfico. Cada prompt, cada llamada a una API, cada solicitud del Protocolo de Contexto de Modelo (MCP) y cada invocación de una herramienta deben atravesar la capa de entrega de aplicaciones antes de llegar a cualquier recurso de valor. Por muy inteligente que llegue a ser un modelo de IA, no puede eludir la red. Ese es el único punto de control que el adversario no puede evitar.
“Cuando un agente de IA puede observar, aprender y cambiar su comportamiento en cuestión de segundos, los equipos de seguridad ya no pueden permitirse responder después de detectar la amenaza.”
Comprender tres modelos de control muy diferentes
Una de las mayores fuentes de confusión en el mercado actual de la seguridad de la IA es el uso indistinto de términos como «tiempo real», «tiempo de ejecución» y «en línea». No son lo mismo, y es importante distinguirlos. Entonces, ¿en qué se diferencian?
Controles en tiempo real (visibilidad y alertas posteriores a la acción): Los controles en tiempo real detectan la actividad sospechosa en el momento en que se produce y generan alertas en cuestión de segundos o minutos. Proporcionan visibilidad, pero generalmente dependen de otro sistema —o de un analista humano— para tomar medidas.
Imagine un agente de IA realizando consultas intensivas a la API de una base de datos de clientes a las 2:47 de la madrugada. Su SIEM identifica correctamente el comportamiento anómalo y crea de inmediato un incidente.
La alerta es precisa. Se ha emitido en el momento oportuno. Por desgracia, cuando un analista revisa el ticket, la IA ya ha completado su reconocimiento y ha pasado a otra cosa. La detección sin medidas de aplicación registra un ataque en lugar de detenerlo.
Controles en tiempo de ejecución (medidas de protección a nivel de ejecución): Los controles en tiempo de ejecución aplican activamente las políticas mientras se ejecuta una aplicación, un endpoint o un agente.
Esto supone una mejora significativa con respecto a la mera detección, ya que las medidas se toman automáticamente. Sin embargo, la protección en tiempo de ejecución sigue estando limitada por las políticas predefinidas y por aquello que ese entorno de ejecución específico puede observar.
Supongamos que un agente de endpoint bloquea una llamada al sistema sospechosa procedente de un asistente de IA local. El modelo analiza el fallo, identifica otra ruta de ejecución que la política no había previsto y logra el mismo objetivo mediante una técnica diferente.
La protección en tiempo de ejecución funciona extremadamente bien frente a comportamientos esperados. Los modelos de razonamiento están diseñados específicamente para generar comportamientos inesperados.
Controles de red y aplicaciones en línea (interceptación en la ruta del tráfico): Los controles en línea operan en una capa completamente distinta. En lugar de esperar a que una aplicación o un endpoint tome una decisión, la aplicación de políticas en línea se sitúa directamente en la ruta del tráfico e inspecciona cada solicitud antes de que llegue al motor de inferencia, la API, la aplicación o el servicio posterior.
Pensemos en un modelo de la clase Mythos que intenta llevar a cabo una sofisticada inyección de instrucciones en varias etapas, diseñada para extraer datos de entrenamiento mediante razonamiento indirecto.
Puede que no haya ninguna firma conocida, ningún ejemplo previo ni ningún indicador de compromiso (IOC) histórico con el que compararla. Aun así, la solicitud puede inspeccionarse, evaluarse y bloquearse antes de que llegue al modelo, o antes de que una respuesta no segura llegue al usuario.
Esa distinción es fundamental: la seguridad en línea impide que la solicitud llegue a completarse, en lugar de responder cuando la vulneración ya se ha producido.
Por qué la IA de vanguardia rompe los supuestos de seguridad tradicionales
Históricamente, los equipos de defensa contaban con una ventaja importante: el tiempo. Incluso los atacantes más cualificados necesitaban horas o días para completar las fases de reconocimiento, explotación y escalada de privilegios. Los equipos de seguridad podían detectar actividades sospechosas, investigarlas, actualizar las firmas y reforzar los controles antes de que se produjeran daños significativos.
La IA de vanguardia acorta drásticamente ese plazo. En una sola sesión, un agente de IA adversario puede:
- Descubrir API expuestas, ocultas y no gestionadas.
- Genera miles de variaciones de prompts para identificar medidas de protección deficientes.
- Determina qué respuestas indican una aplicación real de las medidas frente a un simple filtrado.
- Cambie al instante las técnicas, las codificaciones y las estructuras de las cargas útiles.
- Exfiltrar información confidencial a través de canales de salida aparentemente legítimos.
Lo que antes requería varios días de trabajo por parte de un equipo rojo experimentado ahora puede suceder en cuestión de minutos. Por eso, las arquitecturas que dependen de la intervención humana son cada vez menos eficaces. Si la protección depende de que un analista revise las alertas, actualice las firmas o modifique manualmente las políticas, el atacante ya habrá completado varias iteraciones antes de que comience la primera respuesta.
Frente a una IA con capacidad de razonamiento, la aplicación de las medidas de seguridad debe producirse a la velocidad de la red.
La arquitectura que esto requiere
Hacer frente a la IA de razonamiento en el tráfico de red exige un enfoque de diseño distinto de aquel para el que se concibieron la mayoría de las arquitecturas de seguridad.
El control debe abarcar toda la ruta de entrega de aplicaciones como una única superficie, en lugar de estar dividido entre productos puntuales aislados. La inspección debe realizarse en la propia capa de inferencia, de modo que las instrucciones y las respuestas se analicen en tiempo real antes de que lleguen a una persona o a un modelo. La detección de API debe ejecutarse de forma continua, ya que los inventarios gestionados rara vez incluyen las API no gestionadas y en la sombra que los agentes autónomos buscan primero.
Las pruebas frente a las técnicas de los atacantes deben ser continuas, no periódicas, y sus resultados deben incorporarse directamente a los mecanismos de aplicación de las políticas; de lo contrario, la protección se actualiza según un ciclo de políticas que se mide en semanas, mientras que el adversario evoluciona en cuestión de minutos. Los agentes de IA también deben reconocerse como una categoría de identidad diferenciada, separada de los usuarios humanos y los bots convencionales, para que el tráfico entre agentes y herramientas, incluidos los intercambios MCP, esté sujeto a la misma gobernanza que la autenticación de usuarios.
Nada de esto funciona como un conjunto de herramientas inconexas. Debe operar como una arquitectura de aplicación unificada que abarque las API, el tráfico de inferencia, la identidad de los agentes y la seguridad de las aplicaciones, bajo un marco de políticas común para entornos híbridos y multinube.
Por qué esto es importante a medida que la IA sigue evolucionando
El debate actual suele centrarse en la inyección de prompts. El reto del futuro serán los sistemas autónomos que coordinen miles de llamadas a API, utilicen herramientas y colaboren con otros agentes prácticamente sin intervención humana, y las organizaciones experimentarán el correspondiente aumento del tráfico generado por máquinas.
Cada una de esas interacciones implica una nueva decisión sobre la aplicación de las políticas. Proteger capas aisladas —un filtro de prompts aquí, una puerta de enlace de API allí, un detector de bots en otro lugar— crea puntos débiles en la arquitectura, y es precisamente ahí donde la IA con capacidad de razonamiento buscará primero. Cuanto más capaz sea el adversario, más importante será la coherencia arquitectónica.
El imperativo estratégico para los CISO
La IA de vanguardia está cambiando la naturaleza de la ciberdefensa. A medida que los modelos autónomos se integran profundamente en las aplicaciones empresariales, las API y los flujos de trabajo, la ruta del tráfico se convierte en el principal punto de control a su disposición: cada prompt, cada llamada a una API, cada intercambio MCP y cada invocación autónoma de herramientas pasa por ella.
Los controles en tiempo real le indican lo que ya ha ocurrido. Los controles en tiempo de ejecución detienen aquello que la política había previsto. Los controles en línea detienen lo que está ocurriendo en ese preciso momento, antes de que la solicitud llegue a su destino.
Para los CISO, esa es la cuestión arquitectónica más importante.
Para los responsables de seguridad, el imperativo estratégico está claro: articule la defensa de su empresa en torno a la única capa estructural que un adversario no puede eludir.
Para obtener más información, visite nuestra página web de F5 Application Delivery and Security Platform.
Sobre el autor
Artículos relacionados del blog
IA agéntica en ciberseguridad: promesas y riesgos
Descubre por qué el uso de la IA agéntica en ciberseguridad es esencial para combatir las amenazas impulsadas por IA y por qué los agentes también generan nuevos riesgos empresariales.
Cómo los clientes de F5 del sector financiero abordan la soberanía digital sin frenar la innovación
¿Cómo se materializa la soberanía digital en el mundo real? Dos proyectos recientes de F5 con clientes muestran cómo distintas empresas están afrontando estos retos.
Soberanía operativa: cómo desarrollar resiliencia en un mundo impredecible
Para muchas organizaciones, la cuestión ya no consiste únicamente en controlar los datos, sino en mantener la capacidad de operar, adaptarse y recuperarse a medida que evolucionan las leyes y las circunstancias.
No se puede proteger una conversación con un cortafuegos: cómo el red teaming de IA se volvió esencial
Dado que las implementaciones de IA avanzan a la velocidad de las máquinas, los métodos tradicionales de prueba de software ya no resultan adecuados.
Protege tu canalización de datos de IA sin ralentizarla
Proteger el flujo de datos de la IA no es opcional. Eso está claro. Lo que resulta mucho menos evidente —y mucho más difícil— es cómo protegerlo adecuadamente.
Las extranets no están muertas; solo necesitan una actualización
Modernice su extranet: descubra cómo F5 y Equinix ofrecen una conectividad para partners repetible, segura y escalable, sin la complejidad de las redes tradicionales.