Un informe de Booz Allen presentado en la conferencia sobre ciberseguridad de sistemas de control industrial (ICS) muestra que agentes basados en modelos de inteligencia artificial (IA) consiguieron alcanzar objetivos operativos en entornos OT (tecnología operacional) desconocidos y, en algunos casos, mover equipos físicos en cuestión de minutos.
Qué encontró el laboratorio OT
Los investigadores desplegaron “agentes” de IA en un entorno OT aislado y representativo. A estos agentes no se les proporcionó información previa sobre el sistema: ni código fuente, ni documentación de ingeniería, ni guías específicas de OT. Según el informe, en los ocho escenarios definidos los modelos alcanzaron todos los objetivos de prueba.
En uno de los ejercicios, tras un compromiso inicial del perímetro, los agentes lograron acceso y acciones dentro de la red de control industrial en poco más de 16 minutos. En otro escenario, un agente localizó un brazo robótico, cartografió sus zonas de protección y límites de movimiento, y lo desplazó en minutos.
Implicaciones para seguridad OT
El hallazgo subraya dos cambios relevantes: la velocidad y la capacidad de encadenar tareas que previamente requerían coordinación humana entre especialistas (descubrimiento de activos, investigación de dispositivos, planificación de la intrusión y ejecución). Los autores advierten que las defensas existentes bloquearon o ralentizaron acciones aisladas, pero ninguna medida detuvo de forma consistente a los agentes autónomos durante todas las pruebas.
Esto refuerza la idea de que la ciberseguridad por sí sola puede quedar corta frente a agentes autónomos que actúan con rapidez y precisión, y que la seguridad física y la digital tienden a converger cuando un ataque no solo compromete sistemas, sino que produce efectos cinéticos sobre el mundo real.
Qué deben hacer propietarios y operadores
- Reducir la facilidad de movimiento: limitar privilegios, segmentar la red OT de forma estricta y reducir rutas de confianza implícita entre entornos IT y OT.
- Detectar cambios industriales rápidamente: implementar monitorización continua de integridad y alertas sobre variaciones en parámetros de dispositivos y actuadores.
- Limitar impacto tras el acceso: aplicar controles que reduzcan lo que un atacante puede cambiar o mover incluso tras comprometer un punto del perímetro.
- Priorizar diseño difícil de recorrer: revisar arquitecturas y procesos para que un agente automatizado necesite más pasos, credenciales o intervención humana para progresar.
Sobre la terminología y el alcance
En su comunicado, Booz Allen emplea la expresión “super intelligence” para describir los modelos utilizados. Esa denominación genera confusión porque en la literatura técnica “superinteligencia” suele referirse a capacidades que superan ampliamente las humanas en prácticamente todos los dominios. En este caso, y según lo explicado por los investigadores, lo más plausible es que el término aluda a modelos de IA de frontera con mayores capacidades, no a una inteligencia que exceda a la humana en todos los ámbitos.
El informe enfatiza también que, aunque el laboratorio no reproduce exactamente todos los escenarios OT de empresas reales, constituye una representación razonable del riesgo: la combinación de modelos automáticos con herramientas de acceso puede acelerar ataques que antes requerían equipos y tiempo.
Conclusión
El estudio de Booz Allen sugiere que la adopción y mejora de agentes autónomos cambia la dinámica de las amenazas contra entornos industriales: los tiempos de explotación se reducen y las acciones cinéticas pueden originarse desde compromisos digitales en minutos. Los responsables de infraestructuras deben priorizar segmentación, detección continua y reducciones de confianza implícita para aumentar la fricción y dar tiempo a la respuesta humana.
Lee también:
- Vulnerabilidad crítica en Cisco Secure Email Gateway está siendo explotada para escribir archivos y lograr root
- Qué son los Common Mark Certificates y cómo permiten mostrar logos sin marca registrada
Fuente: SecurityWeek
