Seguridad de OWASP para IA Generativa

Día 1: Fundamentos y Amenazas Principales

Módulo 1: Introducción al Proyecto OWASP GenAI Security (1 hora)

Objetivos de aprendizaje:

• Comprender la evolución desde el OWASP Top 10 hacia los desafíos de seguridad específicos de la IA generativa.
• Explorar el ecosistema y los recursos del Proyecto OWASP GenAI Security.
• Identificar las diferencias clave entre la seguridad de aplicaciones tradicionales y la seguridad de IA.

Temas cubiertos:

• Visión general de la misión y el alcance del Proyecto OWASP GenAI Security.
• Introducción al marco Threat Defense COMPASS.
• Comprensión del panorama de seguridad de IA y los requisitos normativos.
• Superficies de ataque de la IA vs. vulnerabilidades tradicionales de aplicaciones web.

Ejercicio práctico: Configuración de la herramienta OWASP Threat Defense COMPASS y realización de una evaluación inicial de amenazas.

Módulo 2: OWASP Top 10 para LLMs - Parte 1 (2.5 horas)

Objetivos de aprendizaje:

• Dominar las cinco vulnerabilidades críticas principales de los LLM.
• Comprender vectores de ataque y técnicas de explotación.
• Aplicar estrategias de mitigación prácticas.

Temas cubiertos:

LLM01: Inyección de Prompts

• Técnicas directas e indirectas de inyección de prompts.
• Ataques de instrucciones ocultas y contaminación cruzada entre prompts.
• Ejemplos prácticos: Jailbreaking de chatbots y elusión de medidas de seguridad.
• Estrategias de defensa: Sanitización de entrada, filtrado de prompts, privacidad diferencial.

LLM02: Revelación de Información Sensible

• Extracción de datos de entrenamiento y fugas del sistema prompt.
• Análisis del comportamiento del modelo para exposición de información sensible.
• Implicaciones de privacidad y consideraciones de cumplimiento normativo.
• Mitigación: Filtrado de salida, controles de acceso, anonimización de datos.

LLM03: Vulnerabilidades en la Cadena de Suministro

• Dependencias de modelos de terceros y seguridad de complementos (plugins).
• Datasets de entrenamiento comprometidos y envenenamiento de modelos.
• Evaluación de riesgos del proveedor para componentes de IA.
• Buenas prácticas para el despliegue y verificación segura de modelos.

Ejercicio práctico: Laboratorio práctico que demuestra ataques de inyección de prompts contra aplicaciones de LLM vulnerables e implementación de medidas defensivas.

Módulo 3: OWASP Top 10 para LLMs - Parte 2 (2 horas)

Temas cubiertos:

LLM04: Envenenamiento de Datos y Modelos

• Técnicas de manipulación de datos de entrenamiento.
• Modificación del comportamiento del modelo a través de entradas contaminadas.
• Ataques de puerta trasera (backdoors) y verificación de integridad de datos.
• Prevención: Pipeline de validación de datos, seguimiento de procedencia.

LLM05: Manejo Inadecuado de Salidas

• Procesamiento inseguro del contenido generado por LLM.
• Inyección de código a través de salidas generadas por IA.
• Cross-site scripting (XSS) mediante respuestas de IA.
• Marcos de validación y sanitización de salida.

Ejercicio práctico: Simulación de ataques de envenenamiento de datos e implementación de mecanismos robustos de validación de salida.

Módulo 4: Amenazas Avanzadas de LLM (1.5 horas)

Temas cubiertos:

LLM06: Agencia Excesiva

• Riesgos de la toma de decisiones autónoma y violaciones de límites.
• Gestión de autoridad y permisos del agente.
• Interacciones no deseadas con el sistema y escalada de privilegios.
• Implementación de guardrails y controles de supervisión humana.

LLM07: Fuga del Sistema Prompt

• Vulnerabilidades de exposición de instrucciones del sistema.
• Revelación de credenciales y lógica a través de prompts.
• Técnicas de ataque para extraer prompts del sistema.
• Aseguramiento de instrucciones del sistema y configuración externa.

Ejercicio práctico: Diseño de arquitecturas seguras de agentes con controles de acceso y monitoreo adecuados.

Día 2: Amenazas Avanzadas e Implementación

Módulo 5: Amenazas Emergentes de IA (2 horas)

Objetivos de aprendizaje:

• Comprender las amenazas de seguridad de IA de vanguardia.
• Implementar técnicas avanzadas de detección y prevención.
• Diseñar sistemas de IA resilientes frente a ataques sofisticados.

Temas cubiertos:

LLM08: Debilidades en Vectores y Embebidos (Embeddings)

• Vulnerabilidades de sistemas RAG y seguridad de bases de datos vectoriales.
• Envenenamiento de embebidos y ataques de manipulación de similitud.
• Ejemplos adversarios en búsqueda semántica.
• Aseguramiento de almacenes vectoriales e implementación de detección de anomalías.

LLM09: Desinformación y Confiabilidad del Modelo

• Detección y mitigación de alucinaciones.
• Amplificación de sesgos y consideraciones de equidad.
• Mecanismos de verificación de hechos y fuentes.
• Validación de contenido e integración con supervisión humana.

LLM10: Consumo sin Límites

• Agotamiento de recursos y ataques de denegación de servicio (DoS).
• Estrategias de limitación de tasa y gestión de recursos.
• Optimización de costos y controles presupuestarios.
• Sistemas de monitoreo de rendimiento y alertas.

Ejercicio práctico: Construcción de una pipeline RAG segura con protección de base de datos vectorial y detección de alucinaciones.

Módulo 6: Seguridad de IA Agentiva (2 horas)

Objetivos de aprendizaje:

• Comprender los desafíos únicos de seguridad de los agentes de IA autónomos.
• Aplicar la taxonomía OWASP de IA Agentiva a sistemas del mundo real.
• Implementar controles de seguridad para entornos multi-agente.

Temas cubiertos:

• Introducción a la IA Agentiva y sistemas autónomos.
• Taxonomía de Amenazas OWASP de IA Agentiva: Diseño del Agente, Memoria, Planificación, Uso de Herramientas, Despliegue.
• Riesgos de seguridad y coordinación en sistemas multi-agente.
• Ataques por mal uso de herramientas, envenenamiento de memoria y secuestro de objetivos (goal hijacking).
• Aseguramiento de la comunicación del agente y procesos de toma de decisiones.

Ejercicio práctico: Ejercicio de modelado de amenazas utilizando la taxonomía OWASP de IA Agentiva en un sistema de atención al cliente multi-agente.

Módulo 7: Implementación de OWASP Threat Defense COMPASS (2 horas)

Objetivos de aprendizaje:

• Dominar la aplicación práctica de Threat Defense COMPASS.
• Integrar la evaluación de amenazas de IA en los programas de seguridad organizacional.
• Desarrollar estrategias integrales de gestión de riesgos de IA.

Temas cubiertos:

• Análisis profundo de la metodología Threat Defense COMPASS.
• Integración del ciclo OODA: Observar, Orientar, Decidir, Actuar.
• Mapeo de amenazas a los marcos MITRE ATT&CK y ATLAS.
• Construcción de tableros (dashboards) para la Estrategia de Resiliencia ante Amenazas de IA.
• Integración con herramientas y procesos de seguridad existentes.

Ejercicio práctico: Evaluación completa de amenazas utilizando COMPASS para un escenario de implementación de Microsoft Copilot.

Módulo 8: Implementación Práctica y Mejores Prácticas (2.5 horas)

Objetivos de aprendizaje:

• Diseñar arquitecturas seguras de IA desde la base.
• Implementar monitoreo y respuesta a incidentes para sistemas de IA.
• Crear marcos de gobernanza para la seguridad de IA.

Temas cubiertos:

Ciclo de Desarrollo Seguro de IA:

• Principios de seguridad por diseño para aplicaciones de IA.
• Buenas prácticas para la revisión de código en integraciones de LLM.
• Metodologías de prueba y escaneo de vulnerabilidades.
• Seguridad en el despliegue y endurecimiento (hardening) en producción.

Monitoreo y Detección:

• Requisitos de registro (logging) y monitoreo específicos para IA.
• Detección de anomalías para sistemas de IA.
• Procedimientos de respuesta a incidentes para eventos de seguridad en IA.
• Técnicas forenses y de investigación.

Gobernanza y Cumplimiento:

• Marco y políticas de gestión de riesgos de IA.
• Consideraciones de cumplimiento normativo (GDPR, Ley de IA, etc.).
• Evaluación de riesgos de terceros para proveedores de IA.
• Capacitación en concienciación sobre seguridad para equipos de desarrollo de IA.

Ejercicio práctico: Diseñar una arquitectura de seguridad completa para un chatbot empresarial de IA, incluyendo monitoreo, gobernanza y procedimientos de respuesta a incidentes.

Módulo 9: Herramientas y Tecnologías (1 hora)

Objetivos de aprendizaje:

• Evaluar e implementar herramientas de seguridad de IA.
• Comprender el panorama actual de soluciones de seguridad de IA.
• Construir capacidades prácticas de detección y prevención.

Temas cubiertos:

• Ecosistema de herramientas de seguridad de IA y panorama de proveedores.
• Herramientas de código abierto: Garak, PyRIT, Giskard.
• Soluciones comerciales para seguridad y monitoreo de IA.
• Patrones de integración y estrategias de implementación.
• Criterios de selección de herramientas y marcos de evaluación.

Ejercicio práctico: Demostración práctica de herramientas de prueba de seguridad de IA y planificación de la implementación.

Módulo 10: Tendencias Futuras y Cierre (1 hora)

Objetivos de aprendizaje:

• Comprender las amenazas emergentes y los desafíos futuros de seguridad.
• Desarrollar estrategias de aprendizaje continuo y mejora.
• Crear planes de acción para programas de seguridad de IA en las organizaciones.

Temas cubiertos:

• Amenazas emergentes: Deepfakes, inyección de prompts avanzada, inversión de modelos (model inversion).
• Futuros desarrollos y hoja de ruta del proyecto OWASP GenAI.
• Construcción de comunidades de seguridad de IA y compartición de conocimientos.
• Mejora continua e integración de inteligencia contra amenazas.

Ejercicio de Planificación de Acción: Desarrollar un plan de acción a 90 días para implementar prácticas de seguridad OWASP GenAI en las organizaciones de los participantes.