El uso de IA crece a un ritmo que obliga a replantear la infraestructura. Cada vez más, las organizaciones recurren a aceleradores: chips especializados que no son CPU ni GPU, pero que descargan y aceleran las cargas de trabajo concretas de la IA. Y, junto a ellos, aparecen las neo-clouds, nubes diseñadas para tareas de IA y apoyadas con estos aceleradores.
El problema es que la ciberseguridad tradicional no siempre sigue el mismo ritmo. Cuando la operación se desplaza hacia capas de hardware específicas, surgen zonas donde la visibilidad es limitada. Por eso, hoy cobra importancia la seguridad en aceleradores de IA: entender qué puede esconderse en una infraestructura que no “encaja” con los supuestos clásicos de seguridad.
Qué son los aceleradores de IA y por qué cambian el panorama
Los aceleradores están pensados para ejecutar con rapidez tareas muy concretas dentro del pipeline de IA. Su objetivo es aumentar el rendimiento cuando entrenas modelos, haces inferencia o construyes modelos. En ese contexto, productores de chips como Tenstorrent, Groq, Cerebras, Graphcore y Google han impulsado la oferta de soluciones enfocadas en acelerar cargas de trabajo de IA.
Sin embargo, los aceleradores introducen un desafío: la seguridad no solo depende de software y sistemas operativos, sino también de cómo se comporta el hardware y qué señales se pueden observar desde el exterior.
Neo-clouds: beneficios para IA y nuevas superficies de riesgo
Las neo-clouds son una categoría relativamente nueva dentro del mundo de la nube. A diferencia de los proveedores tradicionales orientados a un modelo generalista, estas nubes se posicionan como AI-first y suelen apoyarse en aceleradores. Entre sus ventajas destacadas se mencionan:
- Paralelismo masivo para manejar cargas intensivas de entrenamiento.
- Baja latencia para casos de inferencia que requieren respuestas rápidas.
- Despliegue flexible según las necesidades de cada proyecto.
- Economía más barata o más predecible para ciertos patrones de consumo.
Ejemplos de neo-clouds incluyen CoreWeave y Nebius. En la práctica, muchas empresas las usan para entrenar modelos a gran escala o para ejecutar inferencia de alto rendimiento. En escenarios de inferencia, el hardware optimizado del acelerador busca reducir el tiempo de respuesta, por ejemplo en chatbots creados internamente.
El mismo rendimiento que hace atractivas estas plataformas también hace que el control de seguridad sea más complejo. Si no se observa con detalle el comportamiento del acelerador, aparecen huecos.
Punto ciego: herramientas tradicionales centradas en CPU
Una de las ideas centrales es que la ciberseguridad histórica se diseñó alrededor de sistemas operativos y entornos centrados en CPU. Durante décadas, las herramientas de protección y monitorización se han entrenado para ver lo que ocurre en ese tipo de arquitectura.
Pero en neo-clouds intervienen componentes que no encajan en ese enfoque. En particular, se destaca que la ciberseguridad tradicional no cuenta con visibilidad directa sobre la memoria de video de los aceleradores, que forma parte del funcionamiento a alta velocidad de estas piezas de hardware.
Como resultado, la detección de lo que acontece “dentro” del acelerador no es inmediata. Y esa falta de observabilidad es precisamente lo que permite que un compromiso pueda pasar desapercibido.
El riesgo: un ataque que no se ve se convierte en amenaza de cadena de suministro
Si una neo-cloud es comprometida de forma encubierta, ni la plataforma ni sus clientes pueden tener la garantía de detectar el incidente. El resultado puede ser un riesgo grave pero invisible dentro de la cadena de suministro digital, afectando a quienes consumen esos servicios.
El impacto puede ser especialmente delicado para las organizaciones que usan neo-clouds para el desarrollo de IA. En esos casos, un ataque no solo puede alterar procesos, sino que también puede introducir consecuencias difíciles de rastrear durante el entrenamiento o la inferencia.
De hecho, se señala que ataques tipo malware, como Januscape, podrían haberse aprovechado en entornos de este tipo si el modelo de ataque hubiera sido más exitoso.
Cómo un enfoque basado en telemetría intenta cubrir el hueco
Una empresa llamada Stealthium busca afrontar esta problemática desde un ángulo específico. Según se describe, no puede “mirar” directamente dentro de los aceleradores dentro de la neo-cloud. En su lugar, utiliza un agente alojado en la infraestructura del cliente.
La lógica es distinta a la de los controles clásicos: el agente está entrenado para identificar señales sutiles de compromiso analizando telemetría que proviene del entorno de neo-cloud. La tecnología puede ser nueva en la forma de aplicarse, pero el principio de base —detectar indicios— ya existe en seguridad; lo que cambia es el foco y el nivel de especialización.
“Si no se puede ver algo, entonces no está pasando”
En las declaraciones sobre el enfoque, se remarca una advertencia: la suposición de que ausencia de visibilidad equivale a ausencia de actividad es peligrosa. En seguridad, el hecho de no tener pruebas no significa que no exista el problema. En el contexto de aceleradores, esa frase adquiere una relevancia mayor.
Ejemplo explicado: explotación en virtualización anidada
Se menciona un caso relacionado con Januscape que explotó una vulnerabilidad en virtualización anidada, permitiendo al atacante ofrecer o vender un entorno a terceros. Trasladado a una neo-cloud, un escenario similar podría conducir a fuga entre inquilinos (cross-tenant leakage).
Si un tercero logra obtener información o acceso potencial hacia elementos legítimos —por ejemplo, hacia chatbots internos que funcionan en el mismo ecosistema— el daño puede extenderse más allá del atacante directo.
La propuesta de Stealthium apunta a detectar señales indirectas en la telemetría del entorno, que indiquen este tipo de actividad u otras formas de ataque.
Por qué la amenaza puede crecer: incentivos económicos y geopolíticos
Los ataques en cadena de suministro no son algo nuevo. Aun así, se anticipa que su frecuencia podría aumentar. Los motivos son claros: el premio es atractivo tanto para actores criminales con motivación financiera como para estados que buscan información o influencia.
En una explicación hipotética, se indica que un atacante que comprometa un nodo de neo-cloud podría obtener acceso a los pesos de IA de un cliente. Con ese acceso, podría envenenar, corromper o modificar el comportamiento del modelo sin que los demás lo noten.
Además, se mencionan posibles objetivos prácticos: cambiar la respuesta del modelo para favorecer una causa, extorsionar a la organización o usar el entorno comprometido para minería de criptomonedas, e incluso como base operativa.
El riesgo final puede ser enorme cuando se considera el potencial de que actores influyan en modelos ampliamente utilizados. En un escenario extremo, si alguien pudiera afectar herramientas a escala, la influencia podría trascender lo técnico y alcanzar implicaciones sociales y políticas.
Qué debería hacer una organización ante este tipo de seguridad
Más allá de quién implemente qué tecnología, el mensaje práctico es que las capas nuevas requieren controles nuevos. Si tu operación depende de aceleradores y neo-clouds, conviene revisar cómo se gestiona la seguridad en aceleradores de IA y qué grado de visibilidad real existe durante entrenamiento, inferencia y construcción de modelos.
En concreto, ayuda pensar en tres preguntas:
- Qué señales se pueden observar en la práctica, especialmente cuando el comportamiento ocurre en hardware especializado.
- Cómo se detectan indicios sutiles de compromiso, incluso si no hay una “prueba directa” visible desde el sistema tradicional.
- Qué controles existen a nivel de cliente cuando el proveedor no puede garantizar observabilidad total sobre los componentes internos.
Este tipo de evaluación se vuelve más importante si tu organización depende de rendimiento de baja latencia o cargas masivas, donde el ecosistema cambia y el tiempo para reaccionar puede ser más limitado.
Conclusión
Las neo-clouds y los aceleradores de IA están impulsando el entrenamiento y la inferencia a gran escala con paralelismo, baja latencia y despliegues flexibles. Pero al mismo tiempo, introducen un problema de fondo: la ciberseguridad tradicional no siempre ve lo que ocurre en capas de hardware especializadas.
Por eso, el foco en la seguridad en aceleradores de IA no es un detalle técnico menor. Es una condición para reducir el riesgo de compromisos invisibles y amenazas de cadena de suministro que pueden afectar a empresas que desarrollan IA. En este escenario, los enfoques basados en telemetría y agentes entrenados para detectar señales sutiles se perfilan como una respuesta relevante ante una nueva superficie de ataque.
