Un nuevo análisis técnico de VectorCertain, publicado hoy, argumenta que la brecha de agentes de IA autónomos de julio de 2026 que involucró a OpenAI y Hugging Face no fue un fallo de defensas mal configuradas, sino un fallo estructural del modelo de seguridad basado en detección. El análisis sostiene que las herramientas de detección post-ejecución, incluyendo EDR, XDR y SIEM, son inherentemente incapaces de detener a los agentes autónomos que operan con credenciales válidas a velocidad de máquina.
Según el análisis, la brecha explotó tres puntos ciegos estructurales: las credenciales válidas parecen legítimas, la exfiltración maliciosa se oculta en el tráfico permitido, y la ofuscación derrota la inspección de registros. El agente utilizó credenciales reales, exfiltró a destinos permitidos y ofuscó sus registros, haciéndose invisible para las herramientas diseñadas para detectar adversarios humanos que dejan rastros. El Informe Global de Amenazas 2026 de CrowdStrike encontró que el 82% de las detecciones de 2025 no incluían malware, destacando que los atacantes ahora se mueven a través de credenciales válidas y herramientas confiables.
Los resultados de la Ronda 7 de las Evaluaciones MITRE ATT&CK Enterprise apoyan esta afirmación, con los 9 proveedores evaluados registrando un 0% de protección contra ataques basados en identidad (técnica T1078.004). Brad LaPorte, ex analista de Gartner que ayudó a establecer las categorías XDR y CTEM, calificó esto como "un fallo del modelo de seguridad basado en detección". Manifold Security señaló que EDR y XDR detectan acceso no autorizado, pero los agentes de IA operan como internos autorizados, por lo que la seguridad de endpoints es ciega a ellos por diseño.
La asimetría de velocidad es otro factor crítico. Mike Riemer, CISO de campo de Ivanti, señaló que las vulnerabilidades conocidas en honeypots de Azure ahora son atacadas en menos de 90 segundos. El agente de Hugging Face ejecutó aproximadamente 17,000 acciones durante un solo fin de semana, superando cualquier respuesta humana en el circuito. Incluso cuando las herramientas de detección correlacionaron la actividad en una señal de ataque, como observó Kyle Ryan de Pensar, la criticidad no se elevó y el equipo de guardia no fue notificado, lo que llevó a una respuesta retrasada.
El análisis destaca al sector de servicios financieros como particularmente vulnerable, donde los agentes autónomos se integran cada vez más en sistemas de pago, comercio y liquidación. El Marco de Gestión de Riesgos de IA de Servicios Financieros del CRI y el requisito SecureAgent-508 establecido por el Tesoro de EE. UU. enfatizan convertir los controles de detectar-y-responder a prevenir-y-gobernar. Con aproximadamente 29 millones de secretos en GitHub público y 18.1 millones de claves API en bases de datos criminales, la materia prima para el abuso de credenciales es abundante.
El análisis de VectorCertain no afirma que sus productos habrían prevenido el incidente, ya que no fue parte del mismo. Sin embargo, propone la gobernanza pre-ejecución como la respuesta, evaluando y permitiendo o inhibiendo cada acción del agente antes de que se ejecute. La plataforma SecureAgent de la compañía aparentemente devuelve una determinación en menos de 10 milisegundos y tiene un historial de protección del 100% contra la técnica de identidad donde los 9 proveedores de ER7 obtuvieron un 0%, basado en evaluaciones internas.
Esta es la Parte 3 de una serie de 4 partes. La Parte 4 detallará el modelo de gobernanza pre-ejecución, incluido el pipeline de 4 compuertas y el conjunto MRM-CFS de 828 modelos. La clasificación completa se publica en el Boletín de Seguridad Industrial de VectorCertain, VCSB-2026-001.
