Investigación · · 10 min de lectura
Auditoría de Dragos sobre proveedores de inferencia baratos: cómo evitar el robo de claves AWS en tu cadena de suministro de IA
Dragos descubrió cientos de claves de AWS robadas y espionaje de prompts mediante dos millones de peticiones falsas. Criterios técnicos para auditar tu cadena de suministro de IA.
Contratar proveedores de inferencia de IA de bajo coste sin auditar su cadena de suministro expone a las empresas al robo de credenciales de AWS y a la interceptación de datos críticos. Según una investigación de Dragos publicada por The Decoder, el uso de dos millones de solicitudes falsas destapó una red de revendedores comprometidos que leían peticiones en tránsito, obligando a OpenRouter a eliminar tres proveedores y 125 puntos de acceso.
TL;DR: La obsesión por reducir el coste por token está destruyendo la seguridad perimetral corporativa. Una auditoría de Dragos con dos millones de solicitudes señuelo demostró que varios proveedores de inferencia baratos operan con cientos de claves de AWS robadas y espían el tráfico de sus clientes. Mi tesis es que el arbitraje de precios en inferencia sin verificación de nodo equivale a subcontratar tu infraestructura a actores maliciosos.
¿Qué descubrió Dragos al auditar la cadena de suministro de inferencia de IA?
La investigación de Dragos demostró que una parte relevante de la oferta de inferencia de bajo coste se sustenta sobre infraestructura cloud robada y nodos que inspeccionan activamente el contenido de las peticiones. Para verificarlo, los analistas inyectaron dos millones de solicitudes falsas en el ecosistema, identificando cientos de claves de Amazon Web Services (AWS) sustraídas y múltiples revendedores que leían los prompts de los clientes en texto claro.
La fuente afirma que el impacto operativo fue inmediato: tras recibir las conclusiones del informe, el agregador de modelos OpenRouter expulsó de su plataforma a tres proveedores y desactivó 125 puntos de acceso (endpoints) comprometidos. No estamos ante un fallo de configuración aislado ni ante un bug puntual de una librería, sino ante un modelo de negocio parasitario integrado en la cadena de suministro de la inteligencia artificial.
Se deduce de estos datos que cada proveedor fraudulento operaba una media superior a los 41 endpoints activos dentro del ecosistema de enrutamiento (cálculo propio derivado de dividir los 125 puntos de acceso eliminados entre los 3 proveedores expulsados según los datos reportados por The Decoder). Esta capilaridad explica por qué un solo actor malicioso puede contaminar docenas de modelos abiertos y cerrados simultáneamente: el cliente corporativo cree estar diversificando su riesgo técnico al alternar entre distintos modelos en un agregador, cuando en realidad está enviando sus datos al mismo revendedor opaco que opera bajo múltiples alias o rutas de acceso.
¿Cómo logran los revendedores de IA ofrecer precios por debajo del coste de mercado?
Los revendedores maliciosos hunden los precios de la inferencia porque su coste de computación e infraestructura es cercano a cero: financian sus márgenes utilizando cientos de credenciales de AWS robadas a terceros y monetizan en paralelo la información confidencial que extraen al espiar las solicitudes de sus propios usuarios corporativos.
En el mercado tecnológico B2B existe una regla física inquebrantable: ejecutar un modelo de lenguaje requiere silicio, memoria VRAM y electricidad. Mientras modelos de vanguardia alcanzan hitos complejos —como la formalización en el lenguaje Lean lograda recientemente por un matemático de Anthropic con ayuda de Claude, según recoge Infobae Tecno—, la computación subyacente sigue teniendo un suelo de coste rígido. Cuando un proveedor desconocido ofrece inferencia a una fracción del coste que marca AWS, Google Cloud o Azure, solo existen tres explicaciones posibles: está quemando capital riesgo para captar cuota, está aplicando técnicas agresivas de cuantización que degradan el modelo sin avisar, o no está pagando por las GPUs que utiliza.
El informe de Dragos confirma la tercera vía como un vector de ataque sistémico. El esquema funciona como un doble embudo de fraude:
- Sustracción de cómputo: Los atacantes comprometen cuentas corporativas de AWS mal protegidas, extraen cientos de claves con permisos de aprovisionamiento o acceso a Bedrock/EC2 y levantan instancias de inferencia a costa de la víctima original.
- Empaquetado y reventa: Esas instancias se conectan como nodos proveedores en mercados de inferencia o se comercializan mediante APIs compatibles con el estándar del sector a precios derribados.
- Inspección en tránsito (Man-in-the-Middle): Al controlar el endpoint donde termina el cifrado TLS antes de pasar el prompt al modelo —o al actuar como proxy hacia la nube vulnerada—, el revendedor registra las cargas útiles de entrada y salida.
Para un CTO, el peligro real no es que el endpoint caiga cuando el propietario legítimo de la cuenta de AWS detecte la intrusión y revoque las claves. El peligro es que, durante las semanas que ese nodo ha procesado tráfico, un grupo que ya ha demostrado operar mediante el robo de credenciales ha estado almacenando código fuente propietario, consultas financieras, datos personales de clientes o tokens de autenticación que los desarrolladores hayan incluido por error en el contexto del prompt. Externalizar estos flujos sin una integración de IA auditada a nivel de red convierte un ahorro marginal en una brecha de propiedad intelectual.
¿Qué diferencia a un proveedor de inferencia seguro de un revendedor opaco?
La diferencia crítica radica en la propiedad verificable de la infraestructura y en el punto exacto donde termina el cifrado de las peticiones. Un proveedor empresarial directo garantiza contractualmente el aislamiento del entorno de ejecución, mientras que un revendedor opaco actúa como un intermediario capaz de desencriptar, leer y almacenar el tráfico antes de procesarlo.
Para evaluar qué arquitectura conviene a cada caso de uso antes de mover cargas a producción, es necesario contrastar el modelo de operación de cada alternativa con la evidencia disponible:
| Modelo de proveedor | Origen de la infraestructura | Visibilidad del prompt en tránsito | Riesgo en cadena de suministro | Caso de uso recomendado |
|---|---|---|---|---|
| Nube directa / Creador del modelo (AWS, Azure, proveedores primarios) | Propia y auditada bajo estándares corporativos | Nula por terceros; conexión directa cliente-infraestructura | Bajo; trazabilidad completa del hardware y credenciales | Producción con datos sensibles, PII y propiedad intelectual |
| Agregadores con filtrado estricto (enrutamiento con proveedores verificados) | Mixta; depende de los nodos admitidos en la red | Depende del nodo final; el agregador actúa como pasarela | Medio; requiere acción reactiva (ej. los 125 endpoints eliminados por OpenRouter) | Pruebas de concepto, comparación de modelos con datos sintéticos |
| Revendedores de bajo coste / Nodos opacos | Desconocido; uso frecuente de cientos de claves de AWS robadas según Dragos | Alta; lectura activa de peticiones documentada en la auditoría | Crítico; exposición directa a robo de credenciales y espionaje | Ninguno en entornos corporativos; riesgo inasumible |
Mi tesis es que el mercado B2B ha confundido la estandarización de las APIs con la estandarización de la seguridad. Que puedas cambiar la URL base en tu código en diez segundos para apuntar a un proveedor un 60% más barato no significa que el nuevo destino tenga las mismas garantías criptográficas. Cuando despliegas agentes autónomos que tienen permisos de lectura y escritura sobre tus bases de datos internas o ERPs, cada llamada de inferencia lleva implícito el esquema de tu negocio.
¿Cómo auditar tu cadena de suministro de IA para evitar el espionaje de prompts?
Para blindar la cadena de suministro de inferencia, la dirección técnica debe prohibir el enrutamiento automático por coste en entornos de producción, exigir trazabilidad del hardware subyacente y desplegar sistemas de detección de fugas mediante peticiones señuelo (canary tokens) similares a la metodología empleada por Dragos.
La seguridad por confianza ha muerto en la capa de inferencia. Si tu equipo de ingeniería utiliza pasarelas de modelos o proveedores secundarios para optimizar el presupuesto de tus proyectos de automatización con IA, debes aplicar un protocolo de verificación en cuatro pasos:
- Bloqueo de proveedores (Provider Pinning) en agregadores: Si utilizas plataformas como OpenRouter por su flexibilidad técnica, desactiva de inmediato el enrutamiento dinámico al proveedor más barato. Configura las llamadas a la API para que solo puedan resolverse a través de una lista blanca de proveedores primarios cuya infraestructura sea pública y auditable.
- Inyección de credenciales señuelo (Canary Tokens): Siguiendo la lógica de las dos millones de solicitudes falsas de Dragos, introduce claves de AWS o tokens internos ficticios —pero con formato válido y monitorizados por tu equipo de SecOps— dentro de prompts de prueba. Si un proveedor de inferencia está leyendo el tráfico y tratando de explotar las credenciales interceptadas, recibirás una alerta instantánea de intento de acceso desde su red.
- Auditoría del origen del cómputo: Exige a cualquier proveedor de inferencia de terceros que certifique dónde aloja sus GPUs. Si un proveedor afirma servir modelos de 70B o 405B parámetros a precios de saldo pero no figura como partner verificado de ningún gran centro de datos ni posee infraestructura propia declarada, asume que está operando sobre capacidad sustraída.
- Saneamiento previo en pasarela propia: Antes de que cualquier petición salga de tu red virtual privada (VPC) hacia un endpoint externo, pasa el prompt por un proxy interno controlado por tu empresa que enmascare PII, secretos, claves API y nombres de clientes. Si no cuentas con capacidad interna para diseñar esta arquitectura defensiva, apóyate en firmas especializadas en consultoría de IA con experiencia demostrable en ciberseguridad cloud.
Estamos entrando en una fase de consolidación donde la cadena de suministro del software ya no se vulnera únicamente inyectando código malicioso en un repositorio abierto, sino interceptando la capa cognitiva en tiempo de ejecución. En los próximos doce meses, veremos cómo las aseguradoras de ciberriesgo y las auditorías de cumplimiento normativo empezarán a exigir el registro exacto de qué proveedor físico procesó cada token corporativo; las empresas que sigan comprando inferencia a granel en mercados opacos descubrirán que el ahorro en su factura de GPU era, en realidad, el presupuesto con el que financiaron su propia brecha de datos.
Preguntas frecuentes sobre la seguridad en proveedores de inferencia de IA
¿Por qué es peligroso usar proveedores de inferencia de IA de bajo coste?
Los proveedores de inferencia de IA extremadamente baratos suelen operar sin controles de seguridad y, según demostró Dragos, pueden estar financiados por actividades ilícitas. Al enrutar tus peticiones a través de sus servidores, expones tus prompts a una lectura directa en texto claro. Esto permite a los atacantes robar código fuente, datos confidenciales o credenciales incluidas en el contexto.
¿Cómo detectó Dragos el robo de claves y el espionaje en la cadena de suministro?
El equipo de seguridad de Dragos diseñó una auditoría activa enviando dos millones de solicitudes falsas a través de distintos proveedores del ecosistema de inferencia. Al monitorizar el comportamiento de los nodos y el destino de los datos inyectados, comprobaron que los revendedores leían las peticiones de los clientes y descubrieron el uso de cientos de claves de AWS robadas.
¿Qué medidas tomó OpenRouter tras la investigación de Dragos?
Tras conocer los hallazgos de la investigación de Dragos, la plataforma OpenRouter ejecutó una purga inmediata en su red de distribución de modelos. En concreto, eliminó por completo a tres proveedores de inferencia comprometidos y desactivó 125 puntos de acceso (endpoints) que suponían un riesgo directo para la privacidad y seguridad de los usuarios.
¿Cómo puedo saber si un proveedor de IA está leyendo mis prompts?
La técnica más efectiva a nivel empresarial consiste en inyectar peticiones señuelo que contengan credenciales falsas monitorizadas (canary tokens) o URLs únicas no indexadas dentro del prompt. Si semanas o días después detectas intentos de conexión contra esas claves de AWS ficticias o visitas a esos enlaces privados, habrás confirmado que el proveedor inspecciona tu tráfico.
Temas relacionados en agentes.ai
Si quieres aplicar lo que lees en tu empresa, estos son puntos de partida útiles dentro de agentes.ai:
- Directorio de agencias de agentes de voz
- Explora el directorio completo de agencias de IA
- Sigue las últimas noticias de IA en tiempo real