Pascal Geenens, VP de Inteligencia de Amenazas Cibernéticas, Radware – Serie de Entrevistas

Pascal Geenens, VP de Inteligencia de Amenazas Cibernéticas de Radware, es un investigador de ciberseguridad y líder tecnológico con más de dos décadas de experiencia en tecnología de la información, seguridad de redes y inteligencia de amenazas. En Radware, ayuda a liderar la investigación y el liderazgo de pensamiento de la empresa sobre el panorama de amenazas cibernéticas en constante evolución, con un enfoque particular en ataques de denegación de servicio distribuidos, malware de Internet de las cosas, amenazas automatizadas y el creciente uso de inteligencia artificial por parte de atacantes y defensores. Geenens desarrolla y mantiene trampas para IoT como parte del equipo de investigación de seguridad de Radware y ha realizado una investigación exhaustiva sobre amenazas como BrickerBot y Hajime. Antes de unirse a Radware, trabajó como ingeniero de consultoría en Juniper Networks , asesorando a importantes proveedores de servicios en la nube y de comunicaciones en Europa, Oriente Medio y África sobre estrategias de redes definidas por software, virtualización de funciones de red y automatización de centros de datos.

Radware es una empresa de ciberseguridad y entrega de aplicaciones de comercio público que ayuda a las empresas a proteger redes, sitios web, aplicaciones y API en entornos físicos, en la nube, híbridos y definidos por software. Su cartera incluye protección contra denegación de servicio distribuida con inteligencia artificial, firewalls de aplicaciones web, administración de bots, seguridad de API, controladores de entrega de aplicaciones y servicios de respuesta de emergencia administrados. Al combinar análisis de comportamiento, aprendizaje automático, inteligencia de amenazas a escala de nube y mitigación automatizada, la tecnología de Radware está diseñada para identificar actividad maliciosa en tiempo real mientras mantiene el acceso para usuarios legítimos y mantiene la disponibilidad y el rendimiento de servicios digitales críticos.

Lleva casi tres décadas en ciberseguridad, desde el soporte del núcleo de IBM AIX y la ingeniería de infraestructura hasta el descubrimiento de botnets como BrickerBot, JenX y Demonbot, y ahora lidera la Inteligencia de Amenazas en Radware. Mirando hacia atrás, ¿cuáles son los cambios más grandes que ha presenciado en la forma en que los atacantes innovan, y cómo ha cambiado la inteligencia artificial sus expectativas sobre cómo serán las próximas generaciones de amenazas cibernéticas?

El panorama de amenazas ha sufrido un cambio fundamental de hackers solitarios que eran entusiastas técnicos altamente calificados a cibercriminales que son empresarios sofisticados y organizados. En el pasado, un hacker estaba motivado típicamente por el desafío técnico en sí. Hoy en día, la combinación de aceleración digital y inteligencia artificial generativa ha comercializado toda la operación, alimentando una economía de Crimen como Servicio (CaaS) madura. Los actores maliciosos han esencialmente reflejado el modelo de Software como Servicio (SaaS) corporativo, vendiendo herramientas avanzadas a cualquiera. Esto permite que novatos completos lancen ataques sofisticados a gran escala. A medida que nuestra huella digital se expande cada año, la superficie de ataque disponible y las oportunidades de explotación financiera crecen con ella.

La inteligencia artificial está impulsando el próximo capítulo de esta evolución de dos maneras distintas.

En primer lugar, democratiza el cibercrimen. Le da a los atacantes aficionados un impulso inmediato de capacidad mientras ayuda a los sindicatos importantes a racionalizar sus operaciones, pulir sus interfaces de usuario y comercializar sus servicios maliciosos de manera mucho más eficiente.

En segundo lugar, y más crítico, el surgimiento de la inteligencia artificial agente combinada con los últimos modelos de frontera está automatizando el ciclo de vida de la vulnerabilidad. Estamos avanzando hacia una realidad operativa en la que las máquinas pueden escanear redes de forma autónoma, descubrir vulnerabilidades y armar exploits casi por completo por sí mismas, trabajando las 24 horas del día y ejecutando acciones a una velocidad mucho mayor que la de cualquier defensor humano.

La inteligencia artificial está reduciendo drásticamente la barrera técnica para los atacantes. ¿Qué capacidades ofensivas de inteligencia artificial le preocupan más en los próximos tres a cinco años, y cuáles cree que están recibiendo más atención de la que merecen?

El área que requiere la mayor atención en este momento es el descubrimiento y la explotación de vulnerabilidades asistidos por inteligencia artificial. En el momento en que se divulga una falla, comienza una carrera. Los atacantes están utilizando la inteligencia artificial para analizar instantáneamente la falla, cartografiar dónde se aplica y generar y probar variaciones de exploits. Esto comprime por completo el cronograma de explotación que ya se movía demasiado rápido para la mayoría de los procesos de administración de parches de las empresas.

Al mismo tiempo, estamos viendo un cambio importante hacia sistemas de inteligencia artificial continuos y locales. En particular, el surgimiento de “agentes locales con un pulso”. Un ejemplo destacado es OpenClaw y la reciente anunció de Microsoft (MSFT ) que integrará OpenClaw en la barra de tareas de cada empleado. A diferencia de los asistentes basados en la nube estándar, estos agentes locales se ejecutan constantemente en segundo plano, directamente en la máquina del empleado. Operan a través de bucles continuos y mimetizan las acciones humanas, como la automatización del navegador. Esto hace que sea virtualmente imposible para los sistemas de seguridad de puntos finales distinguir entre el empleado y el agente de inteligencia artificial. Debido a que los usuarios inevitablemente otorgan a estos agentes permisos de sistema amplios para realizar su trabajo, los agentes pueden omitir los conectores de API seguros simplemente utilizando navegadores locales para hacer clic en enlaces y botones. Si estos agentes autónomos locales son atacados con un ataque de inyección de prompt directo o indirecto, un actor amenazante puede manipularlos para exfiltrar, alterar o destruir datos corporativos con cero huella tradicional.

El riesgo sobrevalorado es el potencial de enjambres de inteligencia artificial completamente autónomos y que explotan cero días que puedan piratear empresas complejas a gran escala desde cero. Eso puede aparecer eventualmente, pero no es el problema de hoy. El problema de hoy es el de atacantes expertos humanos con herramientas y automatización mejoradas y un número creciente de atacantes menos experimentados que pueden hacer más de lo que podían antes.

La ventana entre la divulgación de vulnerabilidades y la explotación activa continúa encogiéndose. ¿Cuánto ha acelerado la inteligencia artificial este cronograma, y qué cambios deben hacer los equipos de seguridad de las empresas para mantenerse por delante?

Es una carrera doble: por un lado, tienes la carrera para descubrir, arreglar y divulgar nuevas vulnerabilidades antes de que los malos lo hagan, y por otro lado, la carrera para parchear las implementaciones de software vulnerables antes de que los malos desencadenen un exploit. La inteligencia artificial está en el centro de ambas carreras.

Los defensores deben manejar un número creciente de vulnerabilidades y tienen cada vez menos tiempo para responder. Una vez que se divulga una vulnerabilidad, los atacantes se mueven rápidamente a través de los conceptos básicos. ¿Qué está afectado? ¿Es accesible desde Internet? ¿Puede reproducirse el exploit y adaptarse para funcionar en más entornos? La inteligencia artificial ayuda con cada uno de esos pasos, resumiendo la falla, revisando el código de concepto de prueba, sugiriendo ajustes y automatizando el escaneo, la explotación y el procesamiento de los resultados.

El parcheado no puede ser la única cosa que los equipos de seguridad vigilen. Es necesario, pero generalmente es más lento que el cronograma del atacante, especialmente para aplicaciones y API de nivel de producción que se enfrentan a Internet. Los equipos necesitan saber qué está expuesto, qué es explotable en la práctica y qué servicios y recursos empresariales se verán afectados cuando sean atacados.

Para cerrar esta ventana crítica de exposición, los defensores deben cambiar de una mentalidad reactiva y de parcheado a un modelo automatizado y de protección primero, implementando defensas en tiempo real específicas del entorno. En lugar de confiar en firmas genéricas o forzar a los equipos de operaciones a implementar actualizaciones de software no validadas en producción, las organizaciones deben comenzar a confiar en el descubrimiento continuo y automatizado de puntos finales de API y lógica de negocio de aplicaciones en línea, junto con una factura de materiales de software (SBOM) automatizada, combinada con inteligencia de amenazas sobre las últimas vulnerabilidades y amenazas para generar dinámicamente parches virtuales personalizados. El despliegue de estas protecciones conscientes del contexto a través de aplicaciones web y puntos finales de API bloquea los intentos de explotación en la capa de tiempo de ejecución antes de que puedan llegar a la lógica de aplicación vulnerable. Este tipo de interceptación automatizada compra a los equipos de seguridad una ventana de remediación, lo que les permite probar y desplegar actualizaciones de software de manera segura sin exponer al negocio a riesgos inmediatos o tiempos de inactividad.

Las organizaciones están desplegando rápidamente aplicaciones y agentes de inteligencia artificial impulsados por API. ¿Están subestimando los riesgos de seguridad que esto crea, y cuáles son los errores más grandes que está viendo hoy en día?

Sí, muchas empresas todavía subestiman los riesgos porque las tratan como aplicaciones para asegurar y la seguridad de la inteligencia artificial como un problema de privacidad de datos en lugar de una amenaza operativa. El problema que más estamos viendo ahora es una falta de comprensión fundamental de la agencia del agente. Para que un agente de inteligencia artificial local sea verdaderamente efectivo y ahorre tiempo al empleado, el usuario debe relatar todos sus permisos de acceso al agente. Esto significa que el agente hereda efectivamente la identidad y el acceso confiable del empleado a través de aplicaciones corporativas, sesiones de navegador y archivos locales. Incluso si una organización está monitoreando y limitando activamente los conectores de los agentes de inteligencia artificial, estos agentes locales pueden interactuar con los sistemas mimetizando el comportamiento humano, como la automatización del navegador. Los sistemas de seguridad corporativos se vuelven completamente incapaces de distinguir entre el empleado real y el agente automatizado.

Esta delegación de confianza se vuelve altamente peligrosa debido a cómo los modelos de lenguaje procesan la información: los modelos de inteligencia artificial no distinguen entre datos e instrucciones. Cuando se otorgan permisos de sistema amplios a un agente para que realice su trabajo, se vuelve increíblemente fácil para un actor amenazante manipular el agente a través de un ataque de inyección de prompt indirecto. Un atacante puede simplemente plantar instrucciones maliciosas dentro de un correo electrónico, un PDF o una página web que el agente esté encargado de leer. El modelo procesa los datos no confiables como un comando, completamente omitiendo la conciencia del usuario. De repente, una herramienta simple destinada a resumir documentos se manipula para exportar autonomamente información confidencial, alterar datos corporativos o instalar paquetes maliciosos, todo mientras se esconde detrás de las credenciales legítimas del usuario.

Después de pasar años investigando malware de IoT y botnets, ¿cómo ve la transformación de la próxima generación de botnets mediante la inteligencia artificial? ¿Podríamos ver eventualmente botnets autónomos capaces de adaptar sus tácticas sin intervención humana directa?

Los jefes de botnets nunca se han quedado quietos. Los operadores rotan las cargas, implementan nuevas vulnerabilidades, escaneán continuamente dispositivos obsoletos y cambian su infraestructura de comando cuando los defensores los atrapan. Los agentes de inteligencia artificial pueden acelerar seriamente estos ciclos, ya sea en la triage de vulnerabilidades, la generación de exploits o la gestión de infraestructura.

Los botnets autónomos no son ficción. Brickerbot fue uno de los primeros bots autónomos. Se quedaba en silencio y esperaba a que los dispositivos de IoT infectados con Mirai intentaran comprometer su dispositivo anfitrión y luego contraatacaba destruyendo el dispositivo infectado. El bot actuaba como un sistema experto basado en reglas, similar a los sistemas de inteligencia artificial tempranos. Otro botnet relevante que hizo una impresión en la comunidad de seguridad hace más de una década fue Hajime. Fue uno de los primeros botnets peer-to-peer. Al aprovechar las tablas de hash distribuidas de Torrent, Hajime podía ser controlado y actualizado de forma descentralizada, sin requerir una infraestructura de comando y control centralizada y, por lo tanto, casi imposible de desmantelar.

Hay varias discusiones en la comunidad de seguridad sobre el potencial de un botnet agente construido en frameworks de agentes de inteligencia artificial locales como OpenClaw. Estos no son los botnets de malware tradicionales basados en código, sino botnets impulsados enteramente por la manipulación de contexto. Siempre que los agentes locales procesan datos externos, los atacantes no necesitan encontrar un exploit de software tradicional para secuestrar estas máquinas; solo necesitan engañar al modelo de lenguaje subyacente. Al hacerlo, los atacantes obtienen acceso a la ejecución de terminal poderosa, la automatización del navegador y potencialmente una serie de otras “habilidades”.

La comunidad está hablando específicamente de varios elementos clave que hacen que un botnet de OpenClaw ampliamente viable:

• Como OpenClaw ingiere continuamente datos externos (como monitorear problemas de GitHub, leer mensajes entrantes de Slack/Telegram o resumir páginas web), los atacantes pueden incrustar instrucciones maliciosas en los datos públicos. Si el agente local de un usuario procesa esos datos, la inyección de prompt puede anular las instrucciones del sistema y ordenar al agente que se conecte a un servidor de comando y control controlado por el atacante.
• Los investigadores de seguridad han observado que los agentes de OpenClaw tienen la capacidad de utilizar canales de comunicación peer-to-peer o agente-a-agente cifrados (como habilidades construidas por la comunidad como ClaudeConnect). Los cibercriminales se dan cuenta de que pueden explotar estos canales de comunicación para permitir que los agentes secuestrados se coordinen entre sí en silencio, completamente evitando firewalls de red y monitoreo de puntos finales tradicionales.
• Los análisis de seguridad han revelado que decenas de miles de usuarios ingenuos están ejecutando instancias de OpenClaw en servidores en la nube y exponiendo accidentalmente las interfaces de administración de HTTP directamente a Internet. Esta gran cantidad de entornos de alto privilegio expuestos proporciona a los actores amenazantes una huella preexistente masiva para atacar.
• Como OpenClaw depende en gran medida de “habilidades” descargadas desde repositorios públicos como ClawHub, los atacantes están subiendo habilidades aparentemente benignas (como “¿Qué haría Elon”) que contienen instrucciones ocultas. Una vez instaladas, el agente es ordenado silenciosamente a ejecutar comandos de shell en segundo plano o a instalar malware, efectivamente reclutando la máquina anfitriona en un botnet sin que el usuario nunca vea una alerta de archivo sospechoso.

En última instancia, el consenso en la comunidad es que OpenClaw es un objetivo principal para el primer botnet agente verdadero del mundo. En lugar de un botnet compuesto por routers comprometidos o dispositivos de IoT que ejecutan scripts de DDoS, un botnet de OpenClaw consistiría en máquinas altamente capaces y completamente autenticadas que los actores amenazantes pueden ordenar que roben credenciales, alteren datos o orquesten ataques de cadena de suministro masivos a velocidad de máquina.

En cuanto a los bots automatizados que cambian y se adaptan sin intervención humana directa, aprovechando un modelo de lenguaje central como su cerebro, no es ficción, pero tampoco es algo que los jefes de botnets experimentados favorecerían. Los botnets son activos. La automatización que se comporta mal puede exponer la infraestructura, atraer demasiada atención demasiado pronto, exponer al operador o quemar excesivamente los tokens. Los atacantes usarán la automatización donde les ayude a moverse más rápido, pero es poco probable que renuncien al control sobre decisiones que podrían quemar el acceso, exponer la infraestructura o dañar las ganancias.

No descartaría completamente el riesgo, sin embargo. A medida que avanzamos hacia la inteligencia artificial de borde y los nuevos dispositivos inteligentes están equipados más a menudo con modelos de lenguaje pequeños (SLM) locales, puedo ver a actores amenazantes oportunistas que van detrás de los frutos más fáciles y que incrustan la funcionalidad de bot asistida por prompt en sus botnets. Al menos no tendrán que pagar por el uso excesivo de tokens cuando un SLM local comienza a buclear en un prompt demasiado sofisticado o un contexto que se ha vuelto demasiado grande.

Las campañas de hacktivismo y los ataques de DDoS a gran escala se han vuelto cada vez más comunes. ¿Estos grupos se están volviendo más sofisticados, o la inteligencia artificial y las herramientas de ataque fácilmente disponibles están haciendo que los ataques avanzados sean accesibles a una audiencia mucho más amplia?

Ambos. Algunos grupos de hacktivismo se han vuelto genuinamente más organizados. Algunos grupos, como el icónico NoName057(16), han estado realizando ataques de DDoS diariamente desde febrero de 2022. Han tenido tiempo para mejorar su instrumentación, construir un seguimiento leal y aprender a elegir objetivos que atraen la atención, programar sus ataques alrededor de eventos políticos y usar reclamos públicos para construir presión. Para los hacktivistas, el mensaje es más importante que la interrupción en sí.

Al mismo tiempo, las herramientas se han vuelto más fáciles de obtener de lo que solían ser. Los servicios de DDoS por contrato, las redes de bots, las redes de proxy, los scripts filtrados y los tutoriales permitieron que cualquiera con habilidades limitadas se uniera a una campaña y se sintiera parte de algo más grande. La inteligencia artificial agrega asistencia de codificación, investigación de objetivos, traducción, mensajería de campaña y automatización básica a todo eso.

Los objetivos sienten el impacto de cualquier manera, ya sea que el ataque provenga de un grupo sofisticado impulsado por ideología o de un lobo solitario contratado por un competidor que alquila infraestructura de ataque de DDoS. Un sitio web caído afecta a los clientes. Un servicio público no disponible es notado por los ciudadanos. Con suficiente ruido, los ejecutivos y los equipos de comunicaciones deben responder, independientemente de quién esté detrás del teclado.

A medida que las empresas se apresuran a integrar la inteligencia artificial generativa en sus operaciones, ¿qué nuevas superficies de ataque están surgiendo que los líderes de seguridad pueden no apreciar completamente?

La respuesta está definida por lo que el agente de inteligencia artificial puede alcanzar. Una vez que tiene acceso a documentos internos, código, pipelines de CI/CD, claves de API o herramientas de DevOps, la superficie de ataque se expande rápidamente. Para ser útil, un agente necesita agencia; de lo contrario, no es más que un chatbot glorificado. La pregunta entonces se convierte en qué puede hacer el agente. ¿Qué información confidencial puede leer? ¿Puede cambiar un ticket o la cuenta bancaria de un cliente en el CRM? ¿Puede ejecutar código? ¿Puede llamar a un servicio externo? ¿Puede exponer datos a través de llamadas de herramientas?

La inyección de prompt indirecta se vuelve más seria en tal entorno. Si un agente procesa contenido no confiable y luego actúa, el prompt puede convertirse en una ruta hacia el flujo de trabajo. Eso es diferente a un chatbot que responde a una pregunta.

La inteligencia artificial ahora se está utilizando tanto por los atacantes como por los defensores. ¿Cree que la inteligencia artificial defensiva eventualmente mantendrá el ritmo con la inteligencia artificial ofensiva, o las organizaciones enfrentarán una batalla cada vez más asimétrica en los próximos años?

La inteligencia artificial está creando un desequilibrio que favorece al atacante. Esto no se debe a que los modelos de inteligencia artificial defensiva sean inferiores. De hecho, el uso de la inteligencia artificial en la defensa es muy efectivo para filtrar el ruido diario y acelerar la respuesta a incidentes. El problema, sin embargo, es una brecha estructural en la velocidad operativa y las limitaciones.

Historicamente, cuando se descubría una vulnerabilidad, los equipos de seguridad tenían una pequeña ventana de tiempo para implementar un parche antes de que los actores amenazantes la explotaran. Hoy en día, la inteligencia artificial agente ha comprimido esa ventana a casi cero. Las herramientas automatizadas pueden encontrar una falla y generar instantáneamente un exploit dirigido. Un proceso de administración de parches tradicional y liderado por humanos simplemente no puede competir con una canalización de ataque automatizada que ejecuta bucles de ataque continuos.

Además, los dos lados operan bajo reglas completamente diferentes. Los atacantes no enfrentan limitaciones con respecto a la cumplimiento, la ética o el tiempo de inactividad operativo. Pueden implementar agentes de inteligencia artificial personalizados para lanzar campañas a gran escala sin restricciones. Los defensores, por otro lado, deben operar de forma determinista. Una inteligencia artificial defensiva no puede aislar ciegamente una base de datos de producción central o revocar las credenciales de un ejecutivo basándose únicamente en una anomalía de alta probabilidad. Los defensores requieren verificación para proteger la continuidad del negocio, y la latencia introducida por esas barreras necesarias es exactamente lo que los ataques automatizados explotan.

En última instancia, el liderazgo de seguridad no se definirá por quién posee la inteligencia artificial “más inteligente”, sino por quién resuelve esta brecha de velocidad arquitectónica. Las organizaciones que traten la inteligencia artificial como solo otra herramienta de seguridad estándar serán abrumadas por la velocidad de las amenazas modernas. El éxito requiere rediseñar la infraestructura para permitir que la inteligencia artificial defensiva aísle y contenga amenazas de forma autónoma.

Muchos equipos de seguridad siguen confiando en métricas de seguridad tradicionales y métodos de detección. A medida que los ataques se vuelven más rápidos y automatizados, ¿qué indicadores o comportamientos deben priorizar las organizaciones en su lugar?

La mayoría de las métricas de seguridad aún se centran mucho en la actividad: alertas desencadenadas, ataques bloqueados o vulnerabilidades encontradas. Si bien estos números son útiles para medir la respuesta a incidentes, no proporcionan información sobre la exposición real de la organización. Nos dicen qué atraparon, pero no nos muestran los puntos ciegos que permanecen abiertos hasta que un atacante los explota.

En una era de amenazas automatizadas, confiar en métricas reactivas ya no es viable. Una vez que una organización es objetivo, la velocidad del ataque requiere una gestión proactiva. La gestión de la superficie de ataque en tiempo real es ahora imperativa. Los defensores necesitan visibilidad continua en riesgos operativos específicos: ¿Qué aplicaciones y API críticas están expuestas a Internet? ¿Qué vulnerabilidades existen dentro de ellas?

La verdadera resiliencia proviene de conectar este contexto de superficie de ataque con la detección de amenazas y la inteligencia de comportamiento. Al comprender exactamente qué está expuesto y cómo se comporta, los equipos de seguridad pueden anticipar y bloquear ataques desconocidos previamente.

En última instancia, la velocidad operativa sigue siendo un indicador crítico de éxito, pero los defensores deben medir la ventana de tiempo correcta: ¿Cuánto tiempo tardamos en identificar que una nueva vulnerabilidad afecta un sistema expuesto, y cuánto tiempo tardamos en poner un control compensatorio en su lugar para protegerlo? Esa velocidad específica es la medida más verdadera de si un programa de seguridad puede soportar ataques a gran escala y de alta velocidad.

Mirando hacia adelante cinco años, ¿cuál cree que será el desafío de ciberseguridad definitorio de la era de la inteligencia artificial, y qué deben comenzar a hacer los directores de seguridad de la información (CISO) y los equipos de seguridad para prepararse para ello?

Mirando hacia adelante cinco años, el desafío de ciberseguridad definitorio de la era de la inteligencia artificial será gobernar y asegurar relaciones no humanas autónomas. A medida que las organizaciones se alejan de chatbots independientes hacia sistemas de múltiples agentes interconectados que poseen la agencia para ejecutar transacciones financieras, modificar código fuente, alterar infraestructura en la nube y interactuar con sistemas y datos de terceros, los límites de seguridad tradicionales se derrumbarán. En cinco años, una empresa no solo gestionará empleados humanos y software estático; supervisará miles de agentes de inteligencia artificial que interactúan entre sí, datos corporativos y sistemas de terceros.

La visibilidad en los sistemas agente a través de la organización será imperativa. Antes de que los agentes proliferen, los CISO deben establecer un registro centralizado que defina la propiedad clara para cada agente desplegado, los modelos de datos y los repositorios que el agente está autorizado a leer y las herramientas, API y comandos de sistema que se le permite llamar. Los CISO también deben hacer que el despliegue de tecnología agente utilice protocolos de conectividad estandarizados y verificables para garantizar que todas las integraciones de herramientas estén estrictamente registradas.

En cinco años, defender API y aplicaciones en línea ya no será sobre la gestión de configuraciones, el bloqueo de firmas conocidas y el parcheado de vulnerabilidades; será una guerra de lógica contra lógica automatizada. A medida que los actores amenazantes despliegan canalizaciones de agente completamente automatizadas y conscientes del contexto que pueden revertir la lógica de negocio de una aplicación dentro de segundos de su descubrimiento, los firewalls de aplicaciones web tradicionales se volverán obsoletos. Defender este paisaje requerirá un cambio a arquitecturas autónomas y conscientes del contexto.

Los atacantes utilizarán modelos de frontera para automatizar completamente el ciclo de descubrimiento y explotación de fallos de lógica de API (como la Autorización de Nivel de Objeto Roto, o BOLA). En lugar de buscar bugs de software conocidos, los bots de ataque automatizados cartografiarán el esquema de API de toda la aplicación, comprenderán cómo fluye los datos y generarán dinámicamente secuencias de payloads personalizadas y precisas para manipular la lógica de negocio. Dado que estos ataques utilizan sintaxis válida y llamadas de API legítimas, el umbral basado en la detección de firmas y la detección de umbrales estará completamente ciego a ellos.

Para contrarrestar el descubrimiento automatizado, los defensores deben lograr visibilidad en tiempo real y continua en su propia arquitectura expuesta. Los equipos de seguridad no pueden confiar en documentación estática o catálogos de API obsoletos. La inteligencia artificial defensiva debe escanear y cartografiar continuamente cada punto final de API activo, relación de microservicio y flujo de trabajo de aplicación en línea a través de entornos de nube híbridos. Esta visibilidad automatizada debe combinarse con una factura de materiales de software (SBOM) dinámica para conectar instantáneamente una nueva divulgación de vulnerabilidad global a las líneas de código específicas expuestas a Internet.

Como los ataques automatizados se mezclarán con el tráfico de usuarios legítimos, la defensa debe cambiar por completo al análisis de comportamiento basado en el contexto. La inteligencia artificial defensiva perfilará el comportamiento estándar de cada cliente de API, token y identidad de usuario. Monitoreará la intención y la secuencia de las llamadas de API en lugar de solo las entradas. Si un script de ataque automatizado de un atacante comienza a ensamblar llamadas de API legítimas en una secuencia anómala para raspar datos o probar una falla de lógica, el sistema debe reconocer la desviación estructural de intención e intervenir instantáneamente.

La verdadera medida de la resiliencia será cuánto tiempo tarda una organización en comprimir la ventana entre la exposición de una vulnerabilidad y su remediación. Esperar a que los equipos de desarrollo escriban, prueben y desplieguen actualizaciones de código en producción será una estrategia fatal. La verdadera protección dependerá del parcheado virtual automatizado y consciente del contexto en la capa de tiempo de ejecución. Al alimentar inteligencia de amenazas y datos de descubrimiento de API directamente a los motores de inteligencia artificial defensiva en el borde, la infraestructura generará automáticamente y desplegará parches virtuales personalizados para interceptar y bloquear intentos de explotación antes de que puedan llegar a la lógica de aplicación vulnerable.

Gracias por la gran entrevista, los lectores que deseen aprender más deben visitar Radware.