Un experimento con 2 millones de prompts trampa revela la vulneración de 3 proveedores de IA y el robo de claves de AWS
Imagine que incluye una clave de AWS operativa en un prompt y que un router de IA como OpenRouter la reenvía al siguiente eslabón de la cadena. HD Moore, de Dragos, envió casi 2 millones de prompts con claves trampa y vigiló dónde aparecían. Al menos tres proveedores resultaron comprometidos y algunos revendedores robaban secretos de los logs. El indicador Zero Data Retention (ZDR, «no conservar datos») tampoco protegió. No incluya claves reales en los prompts.
Procesado por IA desde Ars Technica; editado por Hamidun News
Piense en una situación corriente: un desarrollador crea una aplicación de IA y en uno de los prompts se cuela por error una clave de AWS operativa o una contraseña SSH. Para no depender de un único proveedor de modelos, la aplicación pasa por un router de IA como OpenRouter o Vercel, que decide por su cuenta dónde sale más barato o qué modelo encaja mejor. El investigador HD Moore, investigador principal de Dragos, comprobó qué ocurre después con esos secretos.
Envió casi 2 millones de prompts con «trampas» de un solo uso (en seguridad se las llama canarios, por analogía con las aves de las minas). Son secretos falsos pero funcionales: cuando alguien los usa, Moore sabe de inmediato quién los robó. El resultado es preocupante: al menos tres proveedores resultaron comprometidos, algunos revendedores robaban prompts y los indicadores de privacidad como Zero Data Retention (ZDR, «no conservar datos») no protegieron.
Si envía información sensible a un LLM, esto le afecta directamente.
Cómo se montó la trampa
Moore reunió claves de acceso de AWS a cuentas vacías, contraseñas SSH, enlaces únicos, nombres DNS y direcciones de repositorios git privados. Ninguno de los secretos se había usado antes en ningún sitio, y el servidor al que llegaba cualquier acceso a ellos lo controlaba el propio investigador.
Insertó cada secreto en un único prompt, enviado a un único proveedor. Así, cuando un secreto aparecía en algún lugar, quedaba claro en qué eslabón de la cadena se había filtrado.
El cifrado en tránsito no resuelve el problema. El router necesita leer el prompt en texto plano para elegir el modelo adecuado. Después, la solicitud puede pasar a un conjunto de modelos alojados en distintos hostings o a otro router, por ejemplo de Vercel a OpenRouter. En cada paso pueden registrarla en un log y conservarla durante el tiempo que permita la política de la empresa, o incluso indefinidamente.
Qué se encontró
Lo más grave fue la vulneración de tres proveedores de hosting distintos. En uno de ellos, los atacantes utilizaron «un par de cientos» de claves de AWS. Cada clave viajaba en una sola solicitud, todos los envíos se hicieron en ventanas cortas a finales de octubre y todas las solicitudes enviadas en esas ventanas fueron robadas. Parte de las claves salió de solicitudes que el proveedor había rechazado antes de ejecutar el modelo. Eso significa que el atacante copiaba el tráfico directamente «a la entrada» y no en las profundidades de la infraestructura.
En los otros dos casos, entre las solicitudes robadas había algunas marcadas con ZDR. Un indicador de privacidad no sirve de nada si el atacante ya está dentro.
Los actores vinculados a las vulneraciones probaron las claves, a veces durante varias horas después del envío. Revisaron buckets de S3, gestores de secretos y almacenes de parámetros en busca de nuevas credenciales, intentaron habilitar modelos en AWS Bedrock y añadieron usuarios IAM propios para conservar el acceso. Los señuelos se usaron «decenas de miles» de veces en llamadas a la API de AWS. Los secretos enviados a dos de los proveedores vulnerados se utilizaron casi de inmediato desde un mismo servidor alquilado, por lo que probablemente un único adversario estaba detrás de ambas intrusiones.
Otro grupo son los revendedores. Atraían clientes con precios bajos, activaban el registro de solicitudes y esperaban. Moore los identificó enviando solicitudes al mismo modelo a través de distintos vendedores. Si la clave se usaba después únicamente tras enviarse a través de un vendedor concreto, el culpable era ese vendedor, no el autor del modelo.
Por último, algunos proveedores incumplían sus propias condiciones de privacidad. El caso más claro es el de un laboratorio chino de IA: sus sistemas abrieron enlaces secretos de más de la mitad de los prompts enviados entre julio y octubre. Entre las solicitudes marcadas como «sin recopilación de datos» o ZDR, ocurrió en aproximadamente dos tercios de los casos.
El scraper solía llegar dos o tres días después. También se activó en hosters estadounidenses que revenden esos modelos, es decir, los prompts regresaban al laboratorio. Un cliente que eligió un proveedor estadounidense para que sus datos se almacenaran en EE.
UU. no recibió lo que pagaba. Más tarde, un cliente git en otra nube intentó clonar repositorios privados a partir de los prompts, pero solo los que habían ido a modelos de ese laboratorio.
Un hoster estadounidense accedió a un enlace secreto más de dos meses después de una única llamada. Otro ejecutaba un scraper que volvía a por los enlaces unos días después de cada solicitud, con independencia del router.
Qué hacer en la práctica
La protección más fiable, según Moore, es ejecutar los modelos en servidores propios. Es una opción cara. La siguiente es trabajar directamente con un proveedor de primer nivel, donde hay «un contrato y una política de privacidad que se puede leer». Tampoco ahí hay garantías, pero la probabilidad de fuga es menor. No acepte por defecto conjuntos de proveedores ni revendedores: elija usted mismo a los proveedores finales.
Para un equipo, la regla es sencilla: nunca envíe claves, contraseñas ni tokens reales en un prompt. Use marcadores de posición y recupere los valores reales en su propio lado. Si una clave llegó a un prompt de todos modos, considérela comprometida y vuelva a emitirla. Con los secretos comerciales la lógica es la misma: el indicador ZDR sigue siendo una promesa, no una barrera técnica.
- 20 nov 2026Meta revisa su meta de cero emisiones para 2030 tras un aumento del 40% en sus emisiones
- 20 nov 2026Amazon Textract Insights procesa lotes de hasta 3000 páginas y muestra el origen de cada campo
- 20 nov 2026Verificar con matemáticas el código de la IA sale más barato: Opus 5.5 gasta un 40% menos de tokens
- 20 nov 2026La capitalización de Anthropic en su IPO supera los $2 billones, 3,5 veces el mercado bursátil ruso
Preguntas frecuentes sobre la noticia
Cómo se montó la trampa?
Moore reunió claves de acceso de AWS a cuentas vacías, contraseñas SSH, enlaces únicos, nombres DNS y direcciones de repositorios git privados. Ninguno de los secretos se había usado antes en ningún sitio, y el servidor al que llegaba cualquier acceso a ellos lo controlaba el propio investigador. Insertó cada secreto en un único prompt, enviado a un único proveedor. Así, cuando un secreto aparecía en algún lugar, quedaba claro en qué eslabón de la cadena se había filtrado.
¿Qué se sabe sobre Qué se encontró?
Lo más grave fue la vulneración de tres proveedores de hosting distintos. En uno de ellos, los atacantes utilizaron «un par de cientos» de claves de AWS. Cada clave viajaba en una sola solicitud, todos los envíos se hicieron en ventanas cortas a finales de octubre y todas las solicitudes enviadas en esas ventanas fueron robadas. Parte de las claves salió de solicitudes que el proveedor había rechazado antes de ejecutar el modelo.
¿Qué se sabe sobre Qué hacer en la práctica?
La protección más fiable, según Moore, es ejecutar los modelos en servidores propios. Es una opción cara. La siguiente es trabajar directamente con un proveedor de primer nivel, donde hay «un contrato y una política de privacidad que se puede leer». Tampoco ahí hay garantías, pero la probabilidad de fuga es menor. No acepte por defecto conjuntos de proveedores ni revendedores: elija usted mismo a los proveedores finales.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.