Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoPaper científico · Para I+DSakana AI Blog

Sakana AI abre un grupo de ciberseguridad: las solicitudes de CVE crecieron un 263% en 5 años

Sakana AI puso en marcha un grupo independiente de ciberseguridad que estudia dos frentes: la defensa mediante agentes de IA y la seguridad de los propios sistemas de IA. El motivo es la avalancha de vulnerabilidades: según el NIST, las solicitudes de CVE (identificadores públicos de fallos de software) aumentaron un 263% entre 2020 y 2025. Los fallos se descubren a velocidad de máquina, pero se corrigen a velocidad de organización, de ahí la apuesta por diseñar sin errores típicos. Para los desarrolladores, la recomendación es incorporar controles de seguridad en el proceso de construcción.

Procesado por IA desde Sakana AI Blog; editado por Hamidun News
Sakana AI abre un grupo de ciberseguridad: las solicitudes de CVE crecieron un 263% en 5 años
Fuente: Sakana AI Blog. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalSakana AI Blog
Editor jefe
Dato clave #1El inicio de 2026 supera en casi un tercio al del año anterior en número de CVE
Dato clave #2El NIST dejó de revisar rutinariamente los registros antiguos y se centra en las vulnerabilidades ya explotadas
Dato clave #3El grupo opera al margen del negocio y promete benchmarks y guías prácticas

Cada vulnerabilidad detectada en un programa recibe un identificador público CVE, y cada vez hay más. Según el Instituto Nacional de Estándares y Tecnología de EE. UU. (NIST), el número de solicitudes de CVE creció un 263% entre 2020 y 2025, y el inicio de 2026 superó en casi un tercio el mismo periodo del año anterior. En este contexto, el laboratorio japonés Sakana AI anunció el lanzamiento de su Security Research Group: un equipo de investigación separado que estudia la defensa colectiva mediante agentes de IA y la seguridad de los propios sistemas de IA.

La compañía subraya que el grupo opera de forma independiente del negocio comercial. Su misión es publicar investigaciones, benchmarks reproducibles y guías prácticas, y colaborar con el Estado, la industria y las universidades. La idea, en el espíritu de Sakana, es que la resiliencia surge del colectivo, como un banco de peces, y no de un nadador solitario.

Qué está ocurriendo con las vulnerabilidades

Sakana toma las cifras de fuentes abiertas. La base japonesa JVN iPedia, que recoge información sobre vulnerabilidades en japonés, registró en el último trimestre casi el doble de entradas que un año antes, y la mayoría procedía de la base estadounidense NVD. Los autores consideran que el papel de la IA en este crecimiento es probable, pero no está demostrado. La organización FIRST menciona la búsqueda de fallos con IA junto con causas administrativas, y el personal del NIST afirma que las herramientas de IA les han añadido trabajo.

La carga ya se nota. El NIST dejó de revisar rutinariamente los registros antiguos y ahora se ocupa en primer lugar de los fallos que ya están siendo explotados. Los reguladores financieros japoneses piden a los bancos que traten la respuesta a las vulnerabilidades como una cuestión de gobernanza en la que participe la alta dirección. La formulación de Sakana: los fallos se descubren a velocidad de máquina y se corrigen a velocidad de organización, y las personas en medio pagan por esa brecha.

El otro lado también cambia. Según la descripción del FBI, los atacantes emplean agentes de IA y lanzan intrusiones contra muchos objetivos a la vez. Los propios servicios de IA se están convirtiendo en blanco: el instituto japonés NICT registró más escaneos de direcciones de servicios de IA en el primer trimestre de 2026.

Por qué los parches no bastan

Hay que acelerar el análisis y el cierre de vulnerabilidades, pero no es suficiente. Un análisis de la CISA sobre dos ejercicios fiscales muestra que los atacantes recurren sobre todo a debilidades simples y conocidas desde hace tiempo, principalmente errores en la validación de entradas y en el manejo de memoria. Al describir los ataques a agentes de IA, el FBI enumera SSRF (el servidor realiza una petición al destino que le indica el atacante), IDOR (acceso a datos ajenos manipulando un identificador), ausencia de autenticación en APIs e inyecciones.

Un ejemplo sencillo: un desarrollador olvidó comprobar los permisos de un endpoint de la API. Una IA encontrará ese fallo más rápido que una persona y se cerrará con un parche, pero si en la siguiente versión se olvida de nuevo la misma comprobación, el trabajo no termina. Por eso Sakana apuesta por las etapas tempranas del desarrollo: en lugar de perseguir errores después del lanzamiento, evitar que aparezcan durante el diseño y la construcción.

La propuesta es considerar la seguridad parte de la calidad del producto. Los autores recurren al modelo de Kano, que divide la calidad en tres tipos: lo que deleita cuando está presente; lo que mejora proporcionalmente con su grado de cumplimiento; y lo obligatorio. La calidad obligatoria no se nota mientras existe, pero genera un fuerte descontento cuando falta. La seguridad pertenece a este último tipo, de modo que debe incluirse en los requisitos desde el principio y no verificarse al final.

Tres líneas de investigación

La primera es la prevención desde el diseño. Hay que definir de antemano qué propiedades debe conservar el sistema y comprobarlas mientras funciona. Para las correcciones automáticas hacen falta criterios que la propia automatización no pueda reescribir, y la capacidad de revertir un cambio con rapidez.

La segunda es la defensa colectiva con agentes. Los ataques apuntan a muchos objetivos a la vez, mientras que la defensa sigue organizada según el principio de que cada organización se protege por su cuenta. Sakana quiere comprobar si es posible construir una red de agentes defensores en distintas empresas, de forma que un ataque detectado una sola vez sirva de protección para todos los participantes. Quedan abiertas preguntas: qué se puede compartir y con qué consentimiento, cómo confiar en una señal que cruza fronteras entre proveedores y quién responde por las acciones de los agentes.

La tercera es la seguridad de la propia IA, empezando por los agentes defensores. Los agentes que analizan y cierran vulnerabilidades reciben acceso privilegiado, por lo que de su fiabilidad dependen las dos primeras líneas. Hay que limitar los permisos de cada agente al alcance de su tarea, rastrear los motivos de sus acciones y evitar que las herramientas defensivas se usen para atacar.

Qué significa para los profesionales

Se trata de un anuncio de intenciones, no de resultados: por ahora el grupo no tiene benchmarks ni metodologías listas. Los propios autores reconocen que un modelo de frontera no basta: sin ajuste al entorno concreto y sin comprender el sistema en su conjunto, genera falsos positivos y correcciones inseguras.

La conclusión práctica para desarrolladores y responsables de producto es sencilla. Las herramientas de búsqueda de vulnerabilidades basadas en IA encontrarán cada vez más fallos, y saldrán ganando los equipos que cambien el propio proceso de construcción: añadirán comprobaciones de autorización y de entradas desde la fase de diseño, limitarán los permisos de los agentes de IA y sabrán revertir con rapidez las correcciones automáticas.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Qué está ocurriendo con las vulnerabilidades?

Sakana toma las cifras de fuentes abiertas. La base japonesa JVN iPedia, que recoge información sobre vulnerabilidades en japonés, registró en el último trimestre casi el doble de entradas que un año antes, y la mayoría procedía de la base estadounidense NVD. Los autores consideran que el papel de la IA en este crecimiento es probable, pero no está demostrado.

¿Qué se sabe sobre Por qué los parches no bastan?

Hay que acelerar el análisis y el cierre de vulnerabilidades, pero no es suficiente. Un análisis de la CISA sobre dos ejercicios fiscales muestra que los atacantes recurren sobre todo a debilidades simples y conocidas desde hace tiempo, principalmente errores en la validación de entradas y en el manejo de memoria.

¿Qué se sabe sobre Tres líneas de investigación?

La primera es la prevención desde el diseño. Hay que definir de antemano qué propiedades debe conservar el sistema y comprobarlas mientras funciona. Para las correcciones automáticas hacen falta criterios que la propia automatización no pueda reescribir, y la capacidad de revertir un cambio con rapidez. La segunda es la defensa colectiva con agentes. Los ataques apuntan a muchos objetivos a la vez, mientras que la defensa sigue organizada según el principio de que cada organización se protege por su cuenta.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

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.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…