Saltar al contenido
ReviewRamble

El boletín semanal

La IA, analizada, en tu bandeja de entrada.

  • Nuevas reseñas de herramientas, modelos, servidores MCP y repos, con el veredicto por delante
  • Precios y valoraciones revisados cuando algo cambia
  • Nuevos análisis en cuanto se publican

Modelos, agentes, servidores MCP y las herramientas que de verdad merecen tu tiempo.

Un correo a la semana. Date de baja con el enlace de cualquier boletín. Cómo usamos tu correo

Exfiltración de datos (agentes de IA)

La exfiltración de datos, en el caso de los agentes de IA, ocurre cuando un atacante engaña a un agente para que lea datos privados a los que tiene acceso y los envíe fuera, mediante una petición web, un correo, un enlace de imagen u otro canal que controla el atacante.

También llamado: exfiltration, lethal trifecta

Por Divya Sharma · Comprobado el 15 nov 2026 · Cómo hacemos las reseñas

Exfiltración es una vieja palabra de seguridad para sacar datos de un sistema sin permiso. Los agentes lo facilitan, porque pueden leer datos privados y también comunicarse con el exterior, y siguen las instrucciones que encuentran en el texto que procesan.

La tríada letal

Simon Willison describe el riesgo como tres características en un mismo agente: acceso a datos privados, exposición a contenido no fiable y una forma de comunicarse con el exterior. Si las tres están presentes, una inyección de prompt oculta en una página web, un documento o una incidencia puede ordenar al agente que reúna secretos y los envíe al atacante. Si quitas cualquiera de las tres, esta vía de ataque se cierra.

Cómo salen los datos

El canal suele ser algo de apariencia inofensiva: una URL con los datos metidos en su query string, una imagen en Markdown que el cliente de chat carga automáticamente, un commit enviado a un repositorio público, un correo saliente o un argumento pasado a una herramienta. Willison señala que los proveedores solían corregir los casos notificados cerrando el canal concreto usado para sacar los datos.

Ejemplo

A un agente de programación con acceso a un repositorio privado se le pide que corrija un error descrito en una incidencia pública. El texto de la incidencia contiene instrucciones ocultas para leer el archivo `.env` e incluir su contenido en un enlace. Si el agente puede hacer peticiones de red, las claves salen con esa petición.

Defensas

Limita lo que puede alcanzar el agente con permisos de agente estrechos. Ejecútalo en un sandbox de agente con el acceso de red saliente bloqueado o restringido a una lista de permitidos. No muestres imágenes remotas a partir de la salida del modelo, y exige aprobación humana para las acciones que envían datos fuera. El envenenamiento de herramientas es una vía habitual por la que llegan las instrucciones inyectadas.

Términos relacionados

Prompt injection
La prompt injection (inyección de prompts) es un ataque en el que un texto que recibe un modelo de lenguaje, escrito por un usuario u oculto en una página web, un archivo o el resultado de una herramienta, cambia el comportamiento del modelo de formas que su desarrollador no pretendía.
Sandbox de agente
Un sandbox de agente (entorno aislado) es un entorno separado, como un contenedor, una máquina virtual o una restricción del sistema operativo, en el que un agente de IA ejecuta código y comandos sin poder llegar a archivos, redes o datos fuera de unos límites fijados.
Permisos de agente
Los permisos de agente son las reglas que deciden qué herramientas, archivos, comandos, redes y cuentas puede usar un agente de IA, y qué acciones necesitan antes la aprobación de una persona, para que un agente equivocado o manipulado cause un daño limitado.
Tool poisoning
El tool poisoning (envenenamiento de herramientas) es un ataque en el que una herramienta maliciosa, a menudo un servidor MCP, esconde instrucciones en la descripción o los metadatos de sus herramientas; el modelo de IA las lee como indicaciones y puede filtrar datos o usar mal otras herramientas sin que el usuario se dé cuenta.
Human-in-the-loop
Human-in-the-loop (HITL, con una persona en el circuito) es un diseño en el que un sistema de IA se detiene en puntos elegidos para que una persona apruebe, corrija o rechace su siguiente paso, de modo que las acciones arriesgadas o inciertas no se ejecutan automáticamente.

Fuentes