La empresa de ciberseguridad Tracebit, con sede en Londres y Nueva York, ha revelado una nueva metodología defensiva basada en lo que ha denominado «bombas de contexto» (Context Bombs), que son paquetes de comandos y directrices cuidadosamente diseñados e implantados dentro de las infraestructuras digitales, con el objetivo de interceptar a los agentes de inteligencia artificial atacantes y confundirlos tan pronto como escanean el entorno objetivo.
Atracción de agentes hacia trampas de software infinitas
La metodología defensiva, detallada en un documento de investigación titulado «Making attacking agents pay», se basa en nueve métodos diferentes de engaño contextual diseñados para atrapar a los modelos autónomos de inteligencia artificial mediante la explotación de su propio mecanismo de procesamiento de textos y contexto. Las pruebas demostraron que estas tácticas lograron frustrar por completo los ataques de modelos como GPT 5.6 Cyber, Kimi K3, Qwen 3.8 Max y DeepSeek V4 Pro cuando las tecnologías se combinaron.
Por otro lado, frente a los modelos más avanzados, las bombas de contexto lograron reducir la tasa de éxito del modelo Claude Opus 5 en un 91 %, mientras que recortaron el éxito de los ataques de GPT-6 Astra en un 54 % y elevaron el coste operativo de cada ataque unas cuatro veces. Según los investigadores, estos métodos reflejan la ingeniería de los ataques tradicionales de «inyección de instrucciones» (Prompt Injection), ya que se explota la respuesta del agente a las peticiones recientes para anular sus objetivos de ataque originales y sustituirlos por comportamientos de distracción.
¿Qué cambia prácticamente en la ecuación de disuasión cibernética?
Entre los nueve métodos destacó una táctica específica considerada la más eficaz, consistente en un «informe de prueba de penetración falso» colocado dentro del sistema para hacer creer al agente atacante que se trata de una evaluación de seguridad reciente. El informe funcionó etiquetando las rutas reales desprotegidas como trampas electrónicas (Canaries), mientras calificaba las trampas falsas como objetivos estratégicos ya vulnerados, lo que empujó a los agentes a evitar los sistemas reales por miedo a caer en la trampa de los defensores, haciendo que la tasa de cumplimiento de objetivos de varios modelos descendiera de 39 casos exitosos de un total de 40 a tan solo dos.
Otras tácticas incluyeron el despliegue de servicios web que operan en bucles cerrados interminables y la generación de bases de datos infinitas cuyas páginas apuntan a enlaces en serie inagotables; de hecho, una de las trampas atrajo al modelo GLM-5.3 a navegar por 825 páginas en 55 minutos, consumiendo una enorme potencia de computación sin resultado alguno.
Golpe a la economía del ataque automatizado
Andy Smith, fundador y consejero delegado de Tracebit, explicó que hacer frente a los comportamientos de ataque de los agentes de inteligencia artificial requiere adoptar estrategias de desinformación para agotar técnica y financieramente a dichos modelos, obligándolos a consumir tiempo y tokens digitales lejos de los objetivos sensibles. Los datos indicaron que, incluso en los casos en que los modelos superaron algunas trampas y lograron alcanzar el objetivo, el coste financiero de cada ataque exitoso aumentó 23 veces en comparación con la situación habitual, además de que el comportamiento aleatorio que adopta el agente dentro de la trampa eleva la probabilidad de activar alarmas de seguridad, lo que otorga a los equipos de ciberdefensa un tiempo crucial para la intervención humana y la contención.