Craig Riddell, CISO Global de Wallarm – Serie de Entrevistas

Craig Riddell, CISO Global de Wallarm, es un experimentado ejecutivo de ciberseguridad enfocado en ayudar a las empresas a gestionar los crecientes riesgos relacionados con las API y los sistemas impulsados por la inteligencia artificial. En su actual rol, trabaja en estrecha colaboración con CISO, CIO y líderes de ingeniería para traducir patrones de ataques y escenarios de abuso en estrategias de seguridad accionables, con un fuerte énfasis en la observabilidad -entendiendo cómo las API y los sistemas de inteligencia artificial se comportan en producción a través de usuarios, aplicaciones e integraciones. Su carrera abarca puestos de liderazgo en gestión de identidad y acceso, arquitectura de confianza cero y seguridad empresarial en organizaciones como Netwrix, Kron y HP, donde impulsó transformaciones de gestión de identidad a gran escala y modernizó marcos de seguridad. La experiencia de Riddell se centra en amenazas emergentes como ataques de lógica de negocio, abuso de API, desviación de sistemas de inteligencia artificial y fraude, con un enfoque constante en cerrar la brecha entre la estrategia de seguridad de alto nivel y la ejecución operativa.

Wallarm es una empresa de ciberseguridad especializada en proteger las API, aplicaciones y sistemas impulsados por la inteligencia artificial en entornos de nube modernos. Su plataforma proporciona descubrimiento continuo, pruebas y protección en tiempo real contra amenazas como el abuso de API, ataques de lógica de negocio y explotaciones automatizadas, mientras ofrece una visibilidad profunda de cómo los sistemas se comportan a través de infraestructuras complejas. Diseñada para arquitecturas multi-nube y nativas de la nube, Wallarm se integra en flujos de trabajo de DevOps y seguridad existentes, lo que permite a las organizaciones detectar y bloquear ataques a medida que ocurren en lugar de después del hecho. Al combinar el inventario de API, la detección de amenazas impulsada por la inteligencia artificial y las capacidades de respuesta automatizada, la plataforma aborda una realidad cada vez más común en la que las API y los sistemas de inteligencia artificial se han convertido en la superficie de ataque principal para los negocios digitales modernos.

Comenzó su carrera trabajando directamente con sistemas e infraestructura y desde entonces ha pasado a puestos de liderazgo enfocados en la seguridad de la identidad, el acceso, la API y la inteligencia artificial. ¿Cuáles son los cambios clave en ese viaje que lo llevaron a concluir que el verdadero riesgo se ha alejado del perímetro y hacia las API y los sistemas impulsados por la máquina?

Al principio de mi carrera, el enfoque era proteger el borde. Cortafuegos, segmentación, endurecimiento de la infraestructura. Ese modelo funcionaba cuando los sistemas eran más estáticos y los límites de confianza eran más fáciles de definir.

Lo que cambió es cómo se construyen las aplicaciones y cómo interactúan los sistemas. Las API se convirtieron en el tejido conectivo de todo, y la inteligencia artificial aceleró eso aún más. Ahora los sistemas toman decisiones, llaman a otros sistemas y ejecutan acciones a una escala y velocidad que no involucra a los humanos en el bucle.

En ese punto, el perímetro se vuelve menos relevante. El verdadero riesgo se mueve hacia donde se toman las decisiones y se ejecutan las acciones, dentro de las API y los flujos de trabajo impulsados por la máquina.

Si no tiene visibilidad y control allí, está confiando en un comportamiento que no puede ver completamente. Ese es el lugar donde aparece el riesgo empresarial, desde la exposición financiera hasta los resultados no deseados y la interrupción operativa.

Ha descrito el apretón de manos cibernético como roto, refiriéndose a cómo los sistemas establecen la confianza y cambian acciones a través de cadenas de API y procesos automatizados cada vez más complejos. ¿Cómo se ve ese colapso en un entorno empresarial real hoy en día?

En la mayoría de los entornos, los sistemas se confían mutuamente en función de la identidad y la autenticación. Un token es válido, una solicitud está bien formada y la interacción está permitida.

El problema es que esto asume que válido significa seguro. Eso ya no es cierto.

Autenticamos la identidad, pero no validamos la intención. Verificamos el acceso, pero no el comportamiento a través de la cadena.

Un servicio puede estar autorizado para llamar a otro servicio, lo que desencadena acciones posteriores a través de múltiples API. Cada paso parece legítimo en aislamiento, pero a lo largo de la cadena completa, comienza a ver un comportamiento no deseado o abuso de la lógica.

En entornos impulsados por la inteligencia artificial, esto se amplifica. Los agentes pueden encadenar acciones y ejecutar flujos de trabajo sin revisión humana.

El apretón de manos todavía sucede, pero nadie pregunta si el comportamiento tiene sentido en contexto. La confianza se establece pero no se valida continuamente.

¿Por qué el riesgo de la inteligencia artificial y la API a menudo cae entre los límites organizacionales en lugar de ser claramente propiedad de alguien?

Porque los sistemas no se alinean con cómo se estructuran las organizaciones.

DevOps es dueño de la entrega. Seguridad es dueña de la política. Los equipos comerciales son dueños de los resultados. Los equipos de datos son dueños de los modelos. Cada grupo es dueño de una parte, pero nadie es dueño del sistema como se comporta en producción.

Las API ejecutan la lógica de negocio a través de los sistemas. La inteligencia artificial introduce la toma de decisiones no determinista sobre eso. Juntos, cortan a través de todos los límites.

Se construyen por un equipo, se aseguran por otro y se consumen por un tercero, con una supervisión inconsistente en todos ellos.

Las brechas que esto crea no son fallos de los equipos. Son fallos del modelo operativo para reflejar cómo funcionan los sistemas modernos en realidad.

En su experiencia, ¿qué equipos suelen asumir que poseen el riesgo de la inteligencia artificial, y dónde se encuentran las mayores lagunas ciegas entre la seguridad, DevOps y las unidades comerciales?

Los equipos de seguridad tienden a poseer el riesgo de la inteligencia artificial desde una perspectiva de gobernanza y cumplimiento. DevOps es dueño de la implementación y la confiabilidad. Las unidades comerciales se centran en los resultados.

Las lagunas ciegas se presentan entre esas áreas.

La seguridad define lo que debería suceder. DevOps asegura que el sistema funcione. El negocio se centra en los resultados. Pero muy pocos equipos están mirando constantemente qué está haciendo el sistema en tiempo real.

Esa brecha es donde vive el riesgo, especialmente cuando el comportamiento es técnicamente válido pero contextualmente incorrecto.

Muchos ataques modernos parecen ser un comportamiento válido y autenticado en lugar de intrusiones obvias. ¿Cómo deberían las organizaciones replantear la detección en esta nueva realidad?

Necesitamos ir más allá de la identificación de solicitudes “malas”.

En muchos casos, la solicitud es válida. Las credenciales son legítimas. La llamada a la API es esperada. Lo que no es esperado es la secuencia de acciones, el volumen o el resultado.

La detección debe volverse conductual y contextual. Se trata menos de bloquear una sola solicitud y más de entender cómo interactúan los sistemas con el tiempo.

Los enfoques que realmente funcionan a gran escala van más allá del emparejamiento de patrones. Descomponen las solicitudes estructuralmente, tratando cada interacción como un conjunto de tokens de comportamiento en lugar de intentar emparejar contra patrones conocidos como malos.

Eso permite entender cómo evoluciona el comportamiento y dónde se desvía, incluso cuando todo parece válido en la superficie.

Si se confía en reglas estáticas o firmas, se perderá la mayoría de lo que importa.

Ha enfatizado la importancia de la observabilidad en el comportamiento del mundo real. ¿Cómo se ve la observabilidad significativa para las API y los sistemas de inteligencia artificial en producción?

La observabilidad significativa no es solo registros y métricas. Es entender el comportamiento en contexto.

Para las API, eso significa visibilidad completa de la solicitud y la respuesta, cómo se utilizan los puntos de conexión y cómo evoluciona la interacción con el tiempo.

Para los sistemas de inteligencia artificial, significa entender las entradas, las decisiones y las acciones resultantes.

Lo más importante es conectarlos a través de los sistemas en flujos de trabajo completos, no eventos aislados.

Sin eso, se está operando sobre suposiciones sobre el comportamiento del sistema en lugar de la realidad.

¿Por qué los modelos de revisión y aprobación humanos tradicionales se están volviendo menos efectivos en entornos impulsados por la máquina?

Porque la velocidad y la escala han cambiado.

Los sistemas están haciendo miles o millones de llamadas por minuto, y los ataques o el comportamiento no deseado pueden desarrollarse en minutos o segundos. No se puede poner realistamente a un humano en el bucle para cada decisión sin romper el rendimiento.

Los sistemas de inteligencia artificial tampoco son siempre deterministas, lo que hace que los modelos de aprobación previa sean menos efectivos.

La supervisión humana todavía importa, pero necesita cambiar de aprobar acciones individuales a definir guardias y monitorear los resultados.

¿Cuáles son las brechas operativas más comunes que ve cuando las empresas intentan asegurar los sistemas de inteligencia artificial utilizando marcos de seguridad heredados?

La brecha más grande es la dependencia excesiva de los controles de tiempo de diseño.

Las organizaciones se centran en asegurar los modelos, revisar el código y definir las políticas antes de la implementación. Eso es importante, pero asume que los sistemas se comportarán como se espera una vez que estén en vivo.

En realidad, los sistemas evolucionan. Las API cambian. Los modelos de inteligencia artificial interactúan con nuevos datos y flujos de trabajo. El comportamiento cambia con el tiempo.

Sin una validación continua del comportamiento en producción, las organizaciones están efectivamente ciegas después de la implementación.

¿Cómo se ve un modelo operativo práctico cuando múltiples partes interesadas comparten la responsabilidad del riesgo de la API y la inteligencia artificial?

Comienza por reconocer que ningún equipo puede poseer esto de principio a fin.

Un modelo práctico define la responsabilidad compartida, anclada en una fuente de verdad común: el comportamiento en tiempo de ejecución.

La seguridad define el riesgo y la política. La ingeniería construye y opera los sistemas. El negocio define los resultados aceptables.

Los equipos que se adelantan a esto operan en un bucle cerrado. Descubrimiento continuo, aplicación y refinamiento impulsados por lo que los sistemas están haciendo realmente en producción, no por lo que se asumió en el tiempo de diseño.

Todas las partes interesadas necesitan visibilidad en cómo operan los sistemas en producción. Desde allí, los equipos pueden alinearse en lo que “bueno” parece, detectar desviaciones y responder.

El cambio es de la propiedad aislada a la responsabilidad coordinada, basada en la perspicacia en tiempo de ejecución.

Mirando hacia adelante, ¿espera que la responsabilidad de la seguridad se vuelva más centralizada nuevamente, o seguirá fragmentada a medida que los sistemas se vuelven más autónomos?

La responsabilidad permanecerá distribuida porque eso refleja cómo se construyen los sistemas.

Lo que cambiará es cómo se coordina esa responsabilidad.

Veremos más modelos de gobernanza unificados donde los equipos poseen sus dominios pero operan con visibilidad y contexto compartidos.

Las organizaciones que tengan éxito no serán aquellas que intenten centralizar todo. Serán aquellas que alineen a las partes interesadas en torno a cómo se comportan los sistemas en el mundo real.

Porque si nadie entiende el comportamiento en tiempo de ejecución, nadie posee realmente el riesgo.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar Wallarm.