Por Nagraj Seshadri, VP de seguridad en la nube de Tenable.
El Tenable Cloud AI Risk Report 2025 revela que el 70 % de las cargas de trabajo en la nube con inteligencia artificial tienen al menos una vulnerabilidad crítica sin remediar, y que los servicios para desarrolladores de IA están plagados de permisos predeterminados riesgosos. Descubrí qué tener en cuenta a medida que tu organización intensifica su estrategia de IA.
Con la IA explotando por todos lados, estos son tiempos emocionantes. El uso por parte de los desarrolladores de herramientas de IA autogestionadas y servicios de IA de proveedores cloud está en alza, a medida que los equipos de ingeniería corren al frente de batalla. Este crecimiento, sumado al hecho de que los modelos de IA son ‘sedientos de datos’ —requieren enormes volúmenes para mejorar su precisión y rendimiento—, significa que cada vez más recursos de IA y datos se encuentran en entornos en la nube. La pregunta del millón para ciberseguridad es: ¿qué está haciendo este crecimiento de IA con mi superficie de ataque en la nube?
El Tenable Cloud AI Risk Report 2025 de Tenable Cloud Research reveló que las herramientas y servicios de IA están introduciendo nuevos riesgos. ¿Cómo prevenirlos?
Utilizando datos recolectados durante dos años, el equipo de investigación de Tenable Cloud Research analizó cargas de trabajo en producción y activos en entornos cloud y empresariales —incluyendo Amazon Web Services (AWS), Microsoft Azure y Google Cloud Platform (GCP)—. El objetivo fue comprender el nivel de adopción de herramientas y marcos de desarrollo de IA, así como de servicios de IA, y realizar una verificación de realidad sobre los riesgos emergentes de seguridad. Esta investigación también nutre la evolución de la plataforma CNAPP (cloud-native application protection platform) de Tenable, para ayudar mejor a sus clientes frente a estos nuevos desafíos.
Uno de los hallazgos más preocupantes fue que el 70 % de las cargas de trabajo en la nube con software de IA instalado contenían al menos una vulnerabilidad crítica sin remediar. En algunos casos, como una CVE crítica en curl, la falla permaneció sin corregir incluso un año después de su publicación. Este tipo de vulnerabilidades convierten a cualquier carga de trabajo en un objetivo tentador para los atacantes, y cuando se trata de cargas asociadas a IA, el riesgo es aún mayor por la sensibilidad de los datos involucrados y el potencial impacto en caso de explotación.
Por otro lado, los servicios de IA en la nube también presentan riesgos por sus configuraciones predeterminadas. Tal como ocurre en otros servicios cloud, existen patrones de construcción donde un servicio se monta sobre otro —lo que Tenable denomina el modelo Jenga®— y hereda configuraciones inseguras de capas anteriores. Por ejemplo, el 77 % de las organizaciones que implementaron Vertex AI Workbench en Google Cloud tenían al menos un notebook con una cuenta de servicio adjunta configurada como la cuenta de Compute Engine, con permisos excesivos. Esta sobreprivilegiación representa un riesgo significativo de acceso no autorizado.
En cuanto al impacto de estas vulnerabilidades críticas, la preocupación no es menor. Las cargas de trabajo con IA suelen procesar o entrenarse con datos sensibles. Aunque los datos sean utilizados para entrenamiento o pruebas, pueden contener información personal (PI), datos personales identificables (PII) o información de clientes, lo que las vuelve especialmente atractivas para los atacantes. La explotación de estos datos podría resultar en envenenamiento de modelos, manipulación de algoritmos y fugas masivas de información. Para mitigar estos riesgos, los equipos deben priorizar estratégicamente estas CVEs, superando la fatiga de alertas y gestionando bien el ruido que generan.
El tema del acceso también es central. Proteger identidades y permisos en entornos cloud ya es complejo, pero lo es aún más cuando se trata de servicios de IA, debido a la sensibilidad de los datos involucrados. El desafío empieza por la visibilidad: si no podés ver el riesgo, no podés corregirlo. La falta de visibilidad en entornos multicloud, el uso de herramientas aisladas que impiden ver el contexto completo y la confianza excesiva en la seguridad provista por los proveedores hacen que muchas organizaciones no detecten estos defaults riesgosos ni otros problemas de acceso que los atacantes suelen aprovechar.
Frente a este panorama, hay algunas acciones clave que toda organización debería considerar. Primero, es fundamental priorizar las vulnerabilidades más críticas para su remediación. Uno de los motivos por los que muchas CVEs no se corrigen es humano: resultan molestas, persistentes y a menudo se generan demasiadas notificaciones. Los equipos de seguridad deben trabajar en conjunto con otros departamentos para entender cuáles son las más peligrosas y abordarlas primero. Las herramientas avanzadas que ponderan el riesgo según la probabilidad de explotación pueden ser de gran ayuda en esta tarea.
También es necesario reducir los permisos excesivos para limitar los accesos riesgosos. La protección contra accesos no autorizados es una responsabilidad compartida. No hay que asumir que las configuraciones por defecto son seguras. Es clave monitorear continuamente los accesos a identidades, recursos y datos —incluidos modelos de IA y repositorios en la nube—, y aplicar principios de mínimo privilegio y acceso Just-in-Time. Evaluar el riesgo en contexto permite detectar combinaciones tóxicas entre permisos, identidades y configuraciones.
Por último, todos los componentes de IA asociados a activos de alto impacto deben ser clasificados como sensibles. Esto incluye herramientas, datasets, identidades privilegiadas y modelos que estén ligados a procesos o datos críticos del negocio. Incorporarlos en los inventarios de seguridad y evaluarlos regularmente con herramientas de data security posture management permite asignar niveles de sensibilidad adecuados y proteger mejor la organización.
Asegurar entornos de IA en la nube requiere una protección inteligente, sensible al contexto y nativa de la nube. Solo así se podrán gestionar estos riesgos emergentes con eficiencia y precisión.