Seguridad, IA y Quantum Computing (mis comentarios - parte 1 de 2)
Relación entre Seguridad, IA y Quantum Computing
1. Fundamentación
La seguridad moderna ya no puede estudiarse solamente desde la criptografía clásica, los firewalls o los protocolos seguros. Hoy aparecen tres fuerzas que se cruzan entre sí:
Seguridad: protege la confidencialidad, integridad, disponibilidad, autenticidad y trazabilidad de sistemas, redes y datos.
Inteligencia Artificial: permite automatizar defensa, detección y respuesta, pero también crea nuevas superficies de ataque.
Quantum Computing: promete una nueva capacidad de cómputo, con impacto directo sobre la criptografía de clave pública y sobre la planificación de redes seguras a largo plazo.
Para un ingeniero en telecomunicaciones, esta relación es especialmente importante porque las redes móviles, redes ópticas, IoT, 5G, redes satelitales, sistemas SDN/NFV, cloud telco, VPN, TLS, IPsec, PKI, autenticación y gestión de claves dependen de mecanismos criptográficos que podrían cambiar durante los próximos años.
NIST publicó en 2024 los primeros estándares finales de criptografía poscuántica, orientados a proteger intercambio de claves y firmas digitales frente a futuros ataques cuánticos, y recomienda iniciar la transición hacia criptografía resistente a computadoras cuánticas.
2. Mapa conceptual general
La relación puede entenderse en tres direcciones:
Relación
Pregunta central
Ejemplo
IA para Seguridad
¿Cómo usar IA para defender sistemas?
Detección de anomalías en tráfico 5G
Seguridad para IA
¿Cómo proteger modelos, datos y sistemas de IA?
Evitar envenenamiento de datos o robo de modelo
Quantum Computing contra la criptografía actual
¿Qué algoritmos actuales pueden quedar vulnerables?
RSA, Diffie-Hellman, ECC
Criptografía poscuántica para seguridad futura
¿Cómo preparar redes y protocolos resistentes a ataques cuánticos?
ML-KEM, ML-DSA, SLH-DSA
IA + Quantum
¿Puede la IA acelerar ataques o defensas en escenarios poscuánticos?
IA para inventario criptográfico y migración PQC
3. Seguridad: el punto de partida
En esta materia, seguridad debe entenderse como el conjunto de mecanismos técnicos, organizacionales y criptográficos que buscan proteger:
Confidencialidad: que la información solo sea accesible por quienes corresponda.
Integridad: que los datos no sean modificados sin autorización.
Disponibilidad: que los servicios sigan funcionando.
Autenticación: que una entidad demuestre quién es.
Autorización: que una entidad solo pueda realizar acciones permitidas.
No repudio: que una acción firmada no pueda ser negada posteriormente.
Trazabilidad: que los eventos puedan ser auditados.
En telecomunicaciones, estos principios se aplican a:
redes móviles,
backbones IP/MPLS,
redes ópticas,
servicios cloud,
sistemas OSS/BSS,
autenticación de usuarios,
SIM/eSIM,
IoT masivo,
redes privadas 5G,
sistemas de monitoreo,
VPN,
señalización,
interconexión entre operadores,
gestión de claves y certificados.
4. Inteligencia Artificial aplicada a seguridad
4.1. IA como herramienta defensiva
La IA puede ayudar a detectar patrones que serían difíciles de identificar manualmente. En seguridad, puede aplicarse a:
detección de intrusiones,
detección de malware,
análisis de logs,
correlación de eventos en SIEM,
detección de anomalías en tráfico de red,
clasificación de phishing,
detección de fraude,
identificación de comportamiento anómalo de usuarios,
respuesta automatizada ante incidentes,
priorización de alertas,
análisis de vulnerabilidades,
detección de ataques DDoS,
protección de redes 5G y slicing.
En un SOC moderno, por ejemplo, la IA puede analizar grandes volúmenes de eventos y sugerir cuáles son más críticos. Esto es especialmente relevante en telecomunicaciones, donde el volumen de tráfico, dispositivos y eventos supera ampliamente la capacidad humana de análisis manual.
4.2. Ejemplo en telecomunicaciones
Una red 5G genera información desde múltiples planos:
plano de usuario,
plano de control,
plano de gestión,
core 5G,
RAN,
MEC,
SDN/NFV,
slices,
servicios IoT.
Un modelo de IA podría detectar que un conjunto de dispositivos IoT comienza a generar tráfico inusual hacia destinos externos. Ese patrón podría indicar:
compromiso de dispositivos,
botnet,
ataque DDoS,
exfiltración de datos,
malware IoT,
fallo de configuración.
La IA no reemplaza al analista, pero puede reducir el tiempo de detección y mejorar la priorización de incidentes.
5. Seguridad de la IA
La IA también debe ser protegida. No alcanza con usar IA para defender; los propios modelos pueden ser atacados.
NIST publicó una taxonomía sobre Adversarial Machine Learning, donde organiza ataques según etapas del ciclo de vida, objetivos del atacante, capacidades y conocimiento del proceso de aprendizaje. También identifica ataques como evasión, envenenamiento de datos, brechas de privacidad, backdoors y ataques contra modelos generativos.
5.1. Principales ataques contra IA
a. Data poisoning
El atacante manipula los datos de entrenamiento para que el modelo aprenda patrones incorrectos.
Ejemplo: insertar tráfico malicioso etiquetado como normal para que un IDS basado en IA deje de detectarlo.
b. Evasion attack
El atacante modifica ligeramente una entrada para engañar al modelo.
Ejemplo: cambiar características de un malware para que el clasificador lo considere benigno.
c. Model stealing
El atacante consulta muchas veces un modelo para reconstruir su comportamiento.
Ejemplo: copiar un modelo de detección de fraude mediante consultas repetidas.
d. Membership inference
El atacante intenta determinar si un dato específico fue usado para entrenar el modelo.
Ejemplo: inferir si ciertos registros sensibles de clientes formaron parte del dataset.
e. Prompt injection
En modelos generativos, el atacante introduce instrucciones maliciosas para alterar el comportamiento del sistema.
Ejemplo: un asistente de seguridad conectado a documentación interna recibe una instrucción oculta para revelar información sensible.
f. Backdoors
El modelo se comporta normalmente, salvo cuando recibe una entrada específica que activa una conducta maliciosa.
Ejemplo: un modelo de clasificación de tráfico ignora cierto patrón de ataque cuando aparece una secuencia particular.
6. IA como herramienta ofensiva
La IA también puede ser usada por atacantes. Esto modifica la escala, velocidad y sofisticación de los ataques.
6.1. Usos ofensivos posibles
Generación de phishing personalizado.
Creación de deepfakes de voz o video.
Automatización de reconocimiento.
Análisis de vulnerabilidades.
Generación de malware polimórfico.
Optimización de ataques de fuerza bruta.
Automatización de ingeniería social.
Búsqueda de configuraciones expuestas.
Generación de mensajes para fraude corporativo.
Apoyo a campañas de desinformación.
NIST está trabajando un perfil específico de ciberseguridad e IA que distingue tres áreas de riesgo: ciberseguridad de sistemas de IA, ataques cibernéticos habilitados por IA y defensa cibernética habilitada por IA.
7. Quantum Computing: concepto básico
La computación cuántica usa principios de la mecánica cuántica para realizar ciertos tipos de cálculo de forma distinta a la computación clásica.
No significa que una computadora cuántica sea “más rápida para todo”. Su impacto depende del tipo de problema.
Los problemas más relevantes para seguridad son aquellos vinculados a:
factorización de enteros grandes,
logaritmo discreto,
búsqueda no estructurada,
simulación de sistemas complejos,
optimización,
criptografía.
La preocupación central en seguridad es que ciertos algoritmos cuánticos pueden debilitar o romper criptosistemas ampliamente usados hoy.
8. Impacto cuántico sobre la criptografía
8.1. Criptografía asimétrica
La criptografía de clave pública actual depende, en gran medida, de problemas matemáticos difíciles para computadoras clásicas.
Ejemplos:
RSA se basa en la dificultad de factorizar números grandes.
Diffie-Hellman se basa en el problema del logaritmo discreto.
ECC se basa en el logaritmo discreto sobre curvas elípticas.
El riesgo es que una computadora cuántica criptográficamente relevante pueda resolver esos problemas con mucha mayor eficiencia que una computadora clásica.
Por eso, los sistemas que dependen de RSA, Diffie-Hellman o ECC para intercambio de claves, firmas digitales, certificados o autenticación deberán migrar progresivamente hacia algoritmos resistentes a ataques cuánticos.
8.2. Criptografía simétrica
La criptografía simétrica, como AES, no queda destruida del mismo modo que RSA o ECC. El impacto cuántico es menor, aunque puede reducir el nivel efectivo de seguridad frente a búsqueda exhaustiva.
NIST indica que las aplicaciones actuales pueden continuar usando AES con claves de 128, 192 o 256 bits, y que no debería usarse nada con menos de 112 bits de seguridad clásica.
8.3. Funciones hash
Las funciones hash también pueden verse afectadas por mejoras cuánticas en búsqueda, pero el impacto práctico se mitiga usando salidas suficientemente largas.
Por ejemplo, SHA-256 y SHA-384 siguen siendo relevantes dentro de arquitecturas seguras, siempre que se respeten buenas prácticas de uso y parámetros adecuados.
Mg en Ing Carlos Gerardo Said

Comments
Post a Comment