Los agentes de IA están convirtiendo los días cero en una carrera que los humanos no pueden ganar solos

Durante años, las vulnerabilidades de día cero han sido peligrosas, pero solían ser escasas y difíciles de explotar a gran escala. Encontrar una requería paciencia, habilidades especializadas y un profundo entendimiento del comportamiento del software. Como Nicole Perlroth y otros periodistas informaron, había un comercio de días cero, y los estados nacionales los trataban como armas cibernéticas extremadamente valiosas.

Hoy en día, los días cero están ampliamente disponibles. Casi cualquier persona puede descubrir nuevos con la ayuda de modelos de IA de código abierto o propietarios como Claude y OpenAI.

Los mismos avances que hacen que la IA sea útil para escribir código, resumir registros y acelerar las operaciones de seguridad también se pueden utilizar para buscar fallos, encadenar vulnerabilidades y probar rutas de explotación a velocidad de máquina. Los atacantes ya no necesitan inspeccionar manualmente cada dependencia, ingeniería inversa de cada aplicación o pasar semanas probando una debilidad. Los agentes de IA pueden automatizar gran parte de ese trabajo, explorando bases de código, escaneando sistemas expuestos, generando hipótesis e iterando hasta que encuentren algo útil.

Eso cambia la economía de la explotación de día cero. Un atacante humano puede tener tiempo solo para perseguir los objetivos más prometedores. Un atacante asistido por IA puede permitirse examinar mucho más software, mucho más rápido, con mucha menos fatiga. Incluso si la mayoría de los intentos fallan, el gran volumen de intentos hace que el éxito sea más probable. En la ciberseguridad, la escala a menudo convierte los eventos raros en rutinarios.

La IA está ampliando la superficie de búsqueda de día cero

Esta es la razón por la cual los días cero se están convirtiendo en un riesgo empresarial más urgente. El software moderno es demasiado grande, demasiado interconectado y demasiado dependiente de componentes de terceros para que cualquier organización pueda entender completamente cada debilidad antes de que un atacante lo haga. La mayoría de las empresas confían en una mezcla de plataformas comerciales, bibliotecas de código abierto, servicios en la nube, aplicaciones SaaS, API, sistemas de identidad, dispositivos de borde y herramientas internas. Cada capa introduce posibles vulnerabilidades. Cada integración crea nuevos caminos de ataque. Cada actualización puede cambiar silenciosamente el perfil de riesgo.

La realidad incómoda es que hay una gran cantidad de vulnerabilidades no descubiertas dentro del software de todo tipo. Algunas existen en código antiguo. Algunas existen en código nuevo escrito bajo presión. Algunas provienen de dependencias que pocas organizaciones rastrean con suficiente precisión. Algunas surgen de la forma en que los sistemas interactúan, incluso cuando cada componente individual parece seguro. Los agentes de IA están bien equipados para explorar esa complejidad porque pueden buscar ampliamente, persistentemente y de manera adaptativa.

Los defensores enfrentan un problema de parches imposible. No puedes parchear una vulnerabilidad que no sabes que existe. No puedes priorizar cada debilidad teórica por igual. No puedes probar completamente cada combinación de software, configuración y comportamiento del usuario antes de la implementación. Incluso los programas de gestión de vulnerabilidades maduros a menudo se basan en CVE conocidos, asesorías de proveedores y flujos de inteligencia de amenazas. Esos son esenciales, pero llegan después del descubrimiento. En un mundo de caza de día cero acelerada por IA, el descubrimiento puede ocurrir primero en las manos de un atacante.

Esto crea un juego de whack a mole en constante crecimiento. Se encuentra una vulnerabilidad. Se aplica un parche. La explotación se desplaza a un sistema vecino, una dependencia diferente o una interfaz expuesta de nuevo. Los equipos de seguridad responden, pero la lista de pendientes sigue expandiéndose. La IA aumenta la velocidad del mazo en ambos lados, pero los atacantes a menudo se benefician primero porque solo necesitan encontrar un camino viable. Los defensores tienen que proteger todos ellos.

La respuesta a largo plazo puede venir de la IA en sí. A medida que los sistemas de IA se vuelven mejores para generar, revisar y probar código, deberían ayudar a eliminar clases enteras de vulnerabilidades antes de que el software llegue a producción. El desarrollo seguro por diseño podría volverse mucho más práctico cuando la IA puede inspeccionar continuamente el código, identificar patrones inseguros, modelar la explotabilidad y recomendar arreglos en tiempo real. Eventualmente, podemos llegar a un punto en el que los errores comunes de memoria, las fallas de inyección, los errores de autenticación y las configuraciones inseguras se reduzcan drásticamente porque la ingeniería asistida por IA los detecta temprano. En nuestro trabajo en DeepTempo, ya vemos un mayor uso de lenguajes seguros de memoria como Rust en nuestro software; aunque Rust es más difícil en algunos aspectos para codificar, es más seguro y codificarlo se ha vuelto mucho más fácil gracias a la IA.

Los defensores necesitan cambiar de velocidad de parche a resiliencia de ataque

Mientras que un futuro en el que todo el software ha sido parcheado o reescrito de una manera más segura es digno de perseguir, no está claro cuán teóricamente posible es realmente por una variedad de razones. En cualquier caso, sabemos que no ha llegado todavía y no llegará durante muchos años. El código generado por IA de hoy en día todavía puede introducir vulnerabilidades. Y las herramientas de seguridad de IA todavía pueden perder el contexto. Los entornos empresariales de hoy en día todavía contienen décadas de deuda técnica acumulada. Los atacantes ya están utilizando la automatización para moverse más rápido, mientras que los defensores todavía están integrando la IA en flujos de trabajo existentes, cadenas de aprobación y modelos de riesgo, y encontrando que los LLM no son útiles cuando detectan ataques.Más información sobre cómo los LLM se desempeñan en las detecciones se puede encontrar en benchmarks de código abierto recientes como SOC Bench. Solo como ejemplo, los ingenieros detrás de SOC Bench encontraron que los mejores LLM tienen una tasa de falsos positivos en el rango del 20% y costarían cientos de millones de dólares al día a la escala de un entorno de seguridad grande típico. Como resultado de todos los factores anteriores, el surgimiento de la IA actualmente favorece en gran medida a los atacantes.

Desafortunadamente, las organizaciones necesitan asumir que algunas vulnerabilidades desconocidas serán descubiertas por adversarios antes de que se divulguen públicamente. Además, gracias al mejora del phishing y la prevalencia de la captura generalizada de identidades, los atacantes pueden simplemente iniciar sesión.En resumen, al menos para el plazo medio, más que nunca, la estrategia de seguridad no puede depender enteramente de la prevención. La prevención sigue siendo crítica, pero debe combinarse con una detección más rápida, un análisis de comportamiento más fuerte y una contención más estricta.

Como varias organizaciones han sugerido recientemente, incluyendo NIST, los Cinco Ojos y la Academia Nacional de Ciencias, dado el surgimiento de atacantes habilitados por IA, los equipos de seguridad deben revisar los enfoques para entender qué se parece a lo normal en usuarios, máquinas, identidades, aplicaciones y flujos de datos. Los exploits de día cero a menudo tienen éxito porque evitan firmas conocidas, pero todavía dejan huellas que los modelos de clasificación más poderosos de hoy en día pueden ver y discernir. Por ejemplo, los ataques pueden mostrar patrones de acceso inusuales, uso anormal de privilegios, actividad de proceso inesperada, flujos de autenticación extraños o movimiento de datos que, en combinación, no coinciden con la línea de base del entorno. La IA diseñada a propósito puede ayudar a los defensores a encontrar esas señales antes, especialmente cuando el ataque en sí es novedoso.

Además, las empresas deben reducir el radio de explosión de la compromisión. La segmentación, el privilegio mínimo, los controles de identidad sólidos, el monitoreo continuo y la aislamiento rápido importan más cuando se explotan vulnerabilidades desconocidas. Si un atacante utiliza un día cero para ganar entrada, la próxima pregunta es cuánto pueden moverse antes de ser detectados. La ventana más pequeña, menos valioso se vuelve el exploit.

No hay un botón de pausa limpio para este momento. Los agentes de IA seguirán mejorando. La experimentación ofensiva seguirá acelerando. La cantidad de sistemas que vale la pena probar seguirá creciendo. La tarea de la comunidad de seguridad es asegurarse de que la IA defensiva madure tan rápido.

Los días cero siempre han recompensado la velocidad, la creatividad y la asimetría. Los agentes de IA amplifican los tres. Las organizaciones que se adapten tratarán a la IA como más que una capa de productividad para los equipos de seguridad. También utilizarán IA diseñada a propósito para detectar amenazas desconocidas de manera eficiente y precisa, priorizar señales debiles aparentes que, en combinación con miles de otras, sugieren una compromisión, y responder antes de que una vulnerabilidad explotada se convierta en una crisis empresarial a gran escala.