Writeups, tutoriales y análisis de pentesting, red team y automatización. Conocimiento real de proyectos, anonimizado y llevado a la práctica.
Ataques, pentesting asistido por IA y amenazas · 6 artículos
Cómo los ciberdelincuentes suplantan a ejecutivos con audio generado por IA para ordenar transferencias. Análisis de la técnica (en clave red team) y cómo defenderse.
La última encuesta de PwC pone los ataques a sistemas de IA por delante de la nube. Explicamos de forma sencilla cómo se manipula a un modelo —prompt injection y data poisoning— y qué dicen los datos de Latinoamérica.
Cómo el cibercrimen usa IA para reescribir código malicioso en tiempo real y esquivar a los antivirus basados en firmas, y por qué la defensa ya no puede depender de reconocer 'lo conocido'.
Del concepto al código: cómo exponer tus propias herramientas de reconocimiento a Claude mediante un servidor MCP, con límites de seguridad desde el diseño.
Durante años detectamos correos falsos por su mala gramática. La IA generativa acabó con esa pista: hoy el fraude se redacta impecable, clona voces y se automatiza a escala.
Reconocimiento sin tocar al objetivo: cómo mapear la superficie de una organización con fuentes públicas (DNS, certificados, metadatos, dorks) usando solo herramientas open source.
Securing AI, Blue Team y gobernanza del riesgo · 6 artículos
Un atacante no solo engaña a un modelo: puede interrogarlo para reconstruir los datos privados con que fue entrenado o clonar el modelo mismo. Familia de ataques de extracción y cómo defenderse.
Dos marcos para gestionar el riesgo de IA: ISO/IEC 42001 (el sistema de gestión certificable) y el NIST AI RMF (el motor de operación del riesgo). Cómo se complementan y cómo aterrizarlos técnicamente.
Los ejemplos adversarios engañan a un modelo con perturbaciones mínimas. El adversarial training —entrenar con esos ejemplos— es la defensa de referencia: cómo funciona, qué cuesta y sus límites.
Guía práctica para integrar modelos de lenguaje (GPT, Llama) en el SOC como copiloto de triage: reducir la fatiga de alertas con clasificación, resumen y priorización, manteniendo al analista al mando.
Los Small Language Models permiten ejecutar IA de forma local —en un servidor propio, un router o un dispositivo IoT— sin enviar datos confidenciales a la nube. Qué son y por qué importan para la seguridad.
Cómo entrenar modelos de machine learning no supervisado —Isolation Forest y Autoencoders— para detectar tráfico de red inusual y comportamientos sospechosos de usuarios (UEBA), y llevarlo a un SOC sin ahogarse en falsos positivos.
Estándares, leyes y escena · 6 artículos
El panorama de riesgo de la tecnología operacional (OT) y los sistemas de control industrial (ICS) en América Latina: cifras, casos, el megacorte de Chile de 2025, y el marco regulatorio (Ley 21.663, ANCI y el estándar del CEN).
De la Ley Marco de Ciberseguridad (21.663) a la nueva Ley de Datos Personales (21.719) y el AI Act europeo: por qué los marcos legales se están volviendo la otra mitad de la defensa.
ATLAS es la base de conocimiento de tácticas y técnicas adversarias contra sistemas de IA. Recorremos su matriz, técnicas con sus AML.T IDs, casos reales (PoisonGPT, EchoLeak, SesameOp) y el giro agéntico de 2026.
Qué nos ataca en la región, con casos reales de Chile y LATAM, y cuánto cuesta en tiempo y dinero según los estudios — y por qué el cumplimiento (Ley 21.663 y 21.719) llegó cuando tenía que llegar.
La base de conocimiento abierta de tácticas y técnicas adversarias que se volvió el lenguaje común de la ciberseguridad: qué es, cómo se estructura (TTP, matrices) y para qué sirve.
Recap técnico de DEF CON 34 (Las Vegas, agosto 2026): el badge Baochip de bunnie, research cyber-físico, escaladas en la nube, el fracaso de los agentes de IA y el tema del año, Agency.
Recibe cada nuevo writeup técnico. Sin spam, solo contenido.