Utimaco: proteger los sistemas de IA exige migrar a la criptografía poscuántica

Utimaco sostiene que, para la IA corporativa, el problema principal ya no es la calidad de los modelos, sino la protección de los datos con los que se entrenan y funcionan. La compañía advierte: si la infraestructura de IA se diseña solo para las amenazas actuales, dentro de unos años habrá que rehacerla para la seguridad poscuántica.

La principal barrera para la adopción

El eBook AI Quantum Resilience afirma que las empresas frenan la adopción de la IA con más frecuencia no por falta de casos de uso, sino por el riesgo de filtración, manipulación o compromiso de sus propios datos. Esto es especialmente delicado para las organizaciones que quieren entrenar modelos con documentos internos, información financiera, propiedad intelectual y otros datos que conservan su valor durante mucho tiempo. Cuanto más valiosos son los datos, más cara es la equivocación: comprometer el pipeline de entrenamiento afecta tanto a la calidad del modelo como a los riesgos legales.

El problema es que las amenazas aparecen a lo largo de todo el recorrido de la IA. No se trata solo de la fase de inferencia, donde suelen debatirse la prompt injection y la fuga de resultados. Los peligros surgen también al cargar los datos, durante el entrenamiento, en el almacenamiento de claves, en el despliegue del modelo y en su explotación posterior. Si una de estas capas queda sin protección, el atacante obtiene un punto de entrada a todo el sistema.

Tres zonas de riesgo

Utimaco identifica tres áreas básicas en las que los sistemas de IA ya son vulnerables hoy, incluso sin una era plena de ordenadores cuánticos. No son escenarios teóricos, sino riesgos prácticos para empresas que acumulan datos durante años y luego los usan en modelos, asistentes y servicios internos de IA.

• Envenenamiento de los datos de entrenamiento — un atacante puede introducir o alterar datos para que el modelo empiece a dar resultados distorsionados, y que resulte difícil detectar la causa.
• Robo o copia de modelos — si un modelo se extrae o se reproduce, la empresa pierde propiedad intelectual y ventaja competitiva.
• Exposición de datos sensibles — los datos usados durante el entrenamiento o la inferencia pueden ser interceptados si el entorno y las claves están poco protegidos.

Un riesgo aparte se deriva del principio harvest now, decrypt later: los datos cifrados pueden robarse hoy y descifrarse más tarde, cuando existan herramientas cuánticas más potentes. Por eso hay que proteger no solo las operaciones actuales, sino también los archivos, los datasets y cualquier activo que deba permanecer protegido durante años.

Cómo construir la protección

Según los autores, la criptografía de clave pública existente puede empezar a perder fiabilidad en el plazo de la próxima década. Por eso, la migración a algoritmos poscuánticos no puede aplazarse hasta que el riesgo se vuelva masivo: rehacer protocolos, sistemas de gestión de claves, compatibilidad y rendimiento lleva años. Los autores señalan expresamente que esta migración afectará tanto a la interoperabilidad entre sistemas como a la velocidad de la infraestructura.

Como estrategia de transición, Utimaco propone la crypto-agility: la capacidad de cambiar algoritmos criptográficos sin rehacer por completo la arquitectura, con un enfoque híbrido que combina criptografía clásica y poscuántica, incluidos los métodos propuestos por NIST.

Pero la criptografía por sí sola no basta. El informe subraya por separado el papel de los entornos protegidos por hardware y los enclaves, que aíslan las claves y las operaciones sensibles de la infraestructura habitual. En este esquema, las claves para cifrar datos y firmar modelos pueden generarse y almacenarse dentro de un perímetro de confianza, se puede verificar la integridad del modelo antes del despliegue y proteger los datos que se procesan durante la inferencia. Además, los módulos de hardware permiten la atestación externa del entorno y mantener registros de acceso resistentes a la manipulación, lo que también ayuda a cumplir requisitos como los de la EU AI Act.

Qué significa

Para las empresas que construyen IA sobre sus propios datos, la seguridad deja de ser una «capa adicional» y pasa a formar parte de la arquitectura del producto. Saldrán ganando quienes ya hoy incorporan la migración criptográfica, la protección de claves y los perímetros de confianza por hardware, en lugar de intentar arreglarlo todo tras la primera filtración grave o tras la llegada de las amenazas poscuánticas.