El cuello de botella en las operaciones cibernéticas sofisticadas dirigidas a Estados-nación está cediendo. Realizar un ataque cibernético a gran escala solía requerir la ampliación de talento experto.

Cuando el costo de incorporar un atacante capaz se aproxima al costo de la computación, la economía de la ofensiva cambia de raíz.

Esto ya está en operación: investigaciones de Dream detectaron un marco autónomo de múltiples agentes que llevó a cabo campañas de intrusión contra entidades gubernamentales en Asia, ejecutando doce oleadas de ataque en cuatro días con ocho agentes en paralelo, comprometiendo 85 cuentas gubernamentales y utilizando un bucle de aprendizaje cerrado para adaptarse tras el fallo.

La ventaja se desplaza de la cantidad de expertos a la eficacia con la que se puede escalar su pericia.

La IA beneficia tanto a atacantes como a defensores, pero los defensores parten con una ventaja inicial: ya poseen el mapa que los atacantes deben descubrir.

Defensores que entienden su entorno pueden usar IA para convertir ese conocimiento en escala operativa.

El hacker gubernamental autónomo

En julio, nuestro equipo de investigación de amenazas recuperó el espacio operativo de un marco autónomo de múltiples agentes que venía realizando campañas de intrusión contra entidades gubernamentales en Asia.

En aproximadamente cuatro días, el marco ejecutó doce oleadas y operó hasta ocho agentes de IA en paralelo. Construido sobre los marcos Hermes y OpenClaw disponibles al público, comprometió 85 cuentas de empleados gubernamentales y utilizó 84 de ellas para pivotar a través de un entorno único de inicio de sesión gubernamental.

Lo realmente intrigante es su toma de decisiones operativas autónoma.

Asociación de puntuaciones de confianza

Cada descubrimiento se asignó una puntuación de confianza bayesiana para evaluar diferentes rutas y luego se eligió cómo proceder, tal como lo haría un equipo real.

De forma similar, cuando una ruta de ataque falló, el marco entró automáticamente en lo que llamó un Ciclo de Aprendizaje, buscó vulnerabilidades, bases de datos y técnicas de investigación relevantes para la pila tecnológica de ese gobierno y lo intentó de nuevo. El marco auditó a sí mismo: creó un bucle de aprendizaje cerrado: investigar, validar, actuar, observar el resultado, actualizar su conocimiento operativo y volver a intentar.

No era un modelo auto-mejorable en sentido estricto. Era un atacante cibernético que se adaptaba por sí mismo —con un verdadero experto detrás, integrado como un sistema de IA. Los fundamentos de este ataque no eran particularmente impresionantes o novedosos. Es la escala —y la perspectiva de una escala casi infinita— lo que resulta inquietante.

Hasta hace poco, uno de los factores limitantes para escalar operaciones ofensivas sofisticadas era el razonamiento experto necesario para decidir qué investigar, validar hallazgos, conectar posibles rutas de ataque e adaptarse cuando esas rutas fallaban. Era costoso, tanto en dólares como en experiencia. Esa escasez imponía una restricción natural a la escala ofensiva: escalar una operación sofisticada significaba escalar a personas, tiempo y coordinación.

La IA empieza a automatizar precisamente esa capa costosa de la operación: decidir qué investigar, validar hipótesis, aprender del fallo y elegir qué intentar a continuación. El talento sigue determinando la calidad de esas decisiones, pero el número de personas talentosas ya no tiene que determinar cuántas veces se pueden tomar esas decisiones en paralelo.

¿Qué ocurre cuando escalar una operación ofensiva ya no requiere escalar el número de expertos detrás de ella al mismo ritmo?

Como alguien que ha pasado 15 años en roles tanto ofensivos como defensivos en ciberseguridad, cada día resulta más claro que la IA ha cambiado esa ecuación: la relación histórica entre la cantidad de talento experto que tiene una organización y la escala a la que puede operar está empezando a quebrarse.

La IA no elimina el talento: cambia lo que ese talento puede escalar.

Una superficie de ataque del tamaño de un país

La infraestructura de TI gubernamental es un ecosistema interconectado construido durante décadas. Incluye ministerios, municipios, tecnología operativa, aplicaciones heredadas, servicios en la nube, contratistas, proveedores y una miríada de relaciones de confianza que los conectan.

Estas conexiones suelen existir por razones operativas legítimas (o al menos históricamente legítimas).

Por supuesto, cada conexión es también una vulnerabilidad potencial.

Así es como se propagan los ataques modernos a los gobiernos: no necesariamente aprovechando una vulnerabilidad crítica, sino encadenando muchas vulnerabilidades ordinarias.

Históricamente, esto desafió a ambos lados. Ningún equipo defensivo podía razonar continuamente sobre cada activo, identidad, configuración, vulnerabilidad y relación de confianza en todo un país. Pero los atacantes enfrentaban una restricción similar. Sus expertos también debían decidir dónde gastar su tiempo para encontrar una ruta viable desde la intrusión hasta la joya de la corona.

Los sistemas autónomos cambian eso.

Un atacante autónomo no necesita entender todo el entorno gubernamental por adelantado. Puede explorarlo de forma continua: descubrir una relación, formar una hipótesis, probarla, aprender del resultado y avanzar a la siguiente.

Por primera vez, los gobiernos pueden enfrentar adversarios capaces de razonar sobre superficies de ataque de escala nacional más rápido que las instituciones responsables de defenderlas.

La carrera para cambiar el resultado

La dramática caída en el costo de la experiencia ofensiva, mediante el uso y la weaponización de agentes, representa un cambio tectónico. Hasta ahora, esta habilidad era limitada a unos pocos y venía acompañada de un alto costo.

Hoy, descubrir, priorizar y combinar estas técnicas en rutas de ataque viables es barato, y se puede repetir el proceso a velocidad de máquina.

Con el ritmo del desarrollo de la IA, esa afirmación se vuelve más cierta cada día.

La capacidad ofensiva se está volviendo más barata, más rápida y más fácil de reproducir.

Pero hay otro lado en esta ecuación.

Los defensores siempre han tenido ventajas estructurales: más telemetría, contexto más profundo, acceso persistente a su infraestructura y conocimiento de sus configuraciones, identidades y relaciones, además de una capacidad de acción mucho mejor.

También tuvieron la limitación de la capacidad humana. Ningún equipo podría razonar continuamente sobre toda esa información, en cada activo y relación, todo el tiempo. La misma IA que beneficia a los atacantes puede operacionalizar la ventaja histórica de los defensores a escala también.

Aquí, el tiempo juega un papel clave. Analizar todo no es lo mismo que defender todo. Si la IA detecta una identidad comprometida en segundos, pero la credencial permanece activa durante seis horas, el atacante aún tiene seis horas. Si identifica una ruta explotable hacia un sistema crítico pero la remediación tarda tres semanas, esa ruta permanece abierta durante tres semanas.

La oportunidad, entonces, no es simplemente un mejor análisis. Es reducir el tiempo para una acción efectiva: el tiempo entre entender un riesgo y cambiar el resultado.

Y lo que es crucial: deshabilitar una identidad, cambiar una regla de firewall o parchear una vulnerabilidad no es suficiente. El sistema debe verificar que el atacante ya no pueda lograr su objetivo.

El ciclo defensivo no puede terminar con inteligencia o incluso con acción. Debe terminar con un resultado de seguridad verificado.

La brecha que importa

La IA no necesariamente favorece al atacante por defecto.

El marco que recuperamos tuvo que robar su mapa del entorno, una exploración a la vez. Los defensores ya poseen ese mapa. Cada configuración, credencial, flujo de telemetría y relación de confianza podría tomarle a un atacante —incluso a un atacante de IA— días a semanas para descubrir. Lo que los defensores nunca podrían hacer era razonar sobre todos los activos que poseían, continuamente, debido a la falta de capacidad de talento para hacerlo.

La IA comienza a eliminar esa limitación de la atención humana. Permite a los defensores amplificar el talento experto en miles de investigaciones en paralelo, identificando de forma continua rutas de ataque, priorizando aquellas que representen el mayor riesgo y enfocando la acción donde más importa.

Los atacantes obtienen el mismo apalancamiento. Pero no parten desde el mismo lugar. Los defensores tienen una ventaja intrínseca: conocen y controlan el entorno que el atacante debe descubrir.

La brecha que importa ya no es simplemente la cantidad de expertos de cada lado. Es cuán eficazmente puede cada lado escalar ese talento y dirigirlo hacia los riesgos correctos primero.

En última instancia, la carrera no se trata de quién sabe más.

Se trata de quién puede escalar el talento de la manera correcta —y convertir esa escala en un resultado primero.

Hemos clasificado y reseñado el mejor software antivirus disponible.

Este artículo se produjo como parte de TechRadar Pro Perspectives, nuestro canal para presentar a las mentes más brillantes de la industria tecnológica hoy.

Las opiniones expresadas aquí son de su autor y no necesariamente las de TechRadarPro o Future plc. Si estás interesado en contribuir, informa más aquí: https://www.techradar.com/pro/perspectives-how-to-submit