La IA está acelerando los ciberataques, pero las defensas básicas siguen siendo importantes

Google News destacó una advertencia de GovTech con un contraste claro: la IA está acelerando los ciberataques, pero las defensas más eficaces siguen siendo conocidas y difíciles de mantener.

El informe del 24 de junio recogió debates en la Cumbre Anual ISAC 2026 celebrada en Orlando, Florida. Profesionales de seguridad estatales y locales escucharon que los atacantes ahora se mueven más rápido, examinan más objetivos y elaboran mensajes más convincentes con herramientas de IA accesibles. La respuesta no fue una nueva plataforma de defensa autónoma. Fue mejorar el inventario, reforzar los controles de identidad, aplicar autenticación multifactor y mantener procesos operativos disciplinados.

Esa brecha importa. La IA ofrece a los atacantes formas más baratas de descubrir debilidades y ampliar la ingeniería social. Los defensores gubernamentales siguen dependiendo de registros de activos, revisiones de acceso, decisiones de parcheo y empleados que cumplan los procedimientos. La tecnología cambia rápido, pero el trabajo defensivo más difícil sigue siendo organizativo.

El titular que aparece en Google News podría sugerir otra historia general sobre cómo la IA transforma la ciberseguridad. El argumento de fondo es más específico. La IA acorta el tiempo entre descubrir una debilidad y explotarla, mientras que muchas agencias públicas aún tienen dificultades para identificar todos los dispositivos, aplicaciones, cuentas y dependencias que operan.

Por tanto, la competencia central no es entre atacantes con IA y defensores con IA. Es entre la explotación a velocidad de máquina y la higiene cibernética a velocidad humana. Ese desequilibrio está sometiendo a los gobiernos estatales, locales, tribales y territoriales a una presión inmediata.

Lo que realmente cambió con el informe de GovTech

La noticia no es que la higiene cibernética siga siendo importante. El cambio es que la IA hace más costosa cada demora en el trabajo defensivo básico.

La cobertura de GovTech recogió un mensaje recurrente de la Cumbre Anual ISAC. Los equipos de seguridad del sector público preguntaron qué debían hacer a medida que los delincuentes obtienen herramientas de ataque más rápidas y accesibles. Los ponentes volvieron repetidamente a los controles fundamentales.

Randy Rose, vicepresidente de operaciones e inteligencia de seguridad del Center for Internet Security, destacó la importancia de hacer bien lo básico. También rechazó la idea de que “básico” signifique fácil. Los controles fundamentales requieren una ejecución por capas en tecnología, personas, compras y gestión.

Esa distinción es esencial. Instalar un producto de seguridad es un proyecto acotado. Mantener registros precisos de activos en servicios en la nube, dispositivos remotos, sistemas de contratistas y aplicaciones heredadas es una disciplina operativa continua.

El debate de la cumbre identificó el inventario como punto de partida. El inventario de hardware revela qué dispositivos se conectan a un entorno. El inventario de software muestra de qué aplicaciones, versiones, bibliotecas y servicios dependen esos dispositivos.

Sin esa visibilidad, un equipo de seguridad no puede responder de forma fiable la primera pregunta tras la divulgación de una vulnerabilidad: ¿estamos expuestos?

Los CIS Controls sitúan el inventario de activos empresariales y el inventario de software al inicio de sus salvaguardas priorizadas. La secuencia refleja dependencia, no una preferencia administrativa. El parcheo, la monitorización, el control de acceso y la respuesta a incidentes se debilitan cuando el inventario subyacente está incompleto.

La IA intensifica esta dependencia. Un atacante puede utilizar sistemas automatizados para examinar infraestructura pública, correlacionar servicios expuestos, resumir documentación técnica y preparar mensajes de phishing verosímiles. La organización aún debe determinar qué hallazgos corresponden a sistemas de su propiedad.

Esto crea una carrera asimétrica. Los atacantes solo necesitan una debilidad accesible. Los defensores necesitan una visibilidad fiable de todo el entorno.

La IA también reduce el umbral de habilidades necesario para algunas partes de un ataque. GovTech informó que los participantes de la cumbre debatieron cómo atacantes menos experimentados utilizan sistemas públicos de IA para perseguir objetivos fáciles. Esos atacantes no necesitan inventar un nuevo exploit si una agencia expone un servicio antiguo o deja activa una cuenta inactiva.

Por lo tanto, el cambio inmediato es la presión operativa. Un registro de inventario desactualizado, la eliminación tardía de una cuenta o una aplicación sin soporte ahora dan más margen de actuación al reconocimiento automatizado.

Los usuarios de Google News podrían encontrarse con el evento como otro titular de seguridad sobre IA. La señal duradera es más acotada y más relevante. Las agencias públicas deben ejecutar controles conocidos a un ritmo que se corresponda con el descubrimiento automatizado.

Por qué Google News se está llenando de advertencias sobre higiene cibernética e IA

La IA está aumentando la velocidad y el volumen del trabajo de seguridad sin eliminar la necesidad de juicio humano.

El informe de GovTech no surgió de forma aislada. Los organismos gubernamentales de seguridad también advierten que la investigación de vulnerabilidades asistida por IA producirá más hallazgos e intentos de explotación más rápidos.

El National Cyber Security Centre del Reino Unido prevé una “oleada de parcheo”, es decir, un aumento de las actualizaciones de software destinadas a abordar la deuda técnica acumulada. Su guía sobre la oleada de parcheo afirma que los usuarios cualificados pueden aplicar IA para explotar esa deuda en todo el ecosistema tecnológico a mayor velocidad y escala.

La deuda técnica incluye componentes obsoletos, productos sin soporte, integraciones frágiles y mejoras de seguridad aplazadas. Estas debilidades pueden persistir porque sustituirlas implica riesgo de interrupciones del servicio o requiere financiación que las agencias no controlan.

La IA no crea toda esa deuda. Hace que sea más fácil de buscar.

Esa diferencia explica por qué más historias de ciberseguridad e IA están llegando a Google News. El cambio relevante no es el lanzamiento de un único modelo. Las organizaciones de seguridad ahora esperan que los sistemas automatizados encuentren más debilidades en software comercial, proyectos de código abierto, entornos en la nube e infraestructura heredada.

Más descubrimientos deberían mejorar la seguridad cuando los proveedores reciben informes y emiten correcciones. También crean un período de transición peligroso. Una vulnerabilidad divulgada se convierte al mismo tiempo en información procesable para defensores y atacantes.

Rara vez es posible aplicar parches a todos los problemas de inmediato. Las agencias deben probar las actualizaciones, proteger la disponibilidad de los servicios, coordinarse con los proveedores y tener en cuenta sistemas que no toleran tiempos de inactividad. La tecnología operativa plantea un caso especialmente difícil porque los procesos físicos pueden depender de dispositivos antiguos y protocolos especializados.

El NCSC recomienda priorizar los sistemas expuestos externamente y, después, los sistemas de seguridad críticos. También promueve las actualizaciones automáticas y el parcheo en caliente seguro cuando esas opciones sean adecuadas. El parcheo en caliente aplica una corrección de seguridad sin la interrupción habitual del servicio.

Sin embargo, la velocidad por sí sola no puede determinar todas las decisiones. Una actualización sin probar puede interrumpir las comunicaciones de emergencia, los sistemas de prestaciones, las plataformas de transporte o los servicios clínicos. Los equipos de seguridad deben sopesar el riesgo de explotación frente al riesgo operativo.

Aquí es donde la IA puede ayudar sin asumir la decisión. Los modelos pueden resumir avisos, relacionar nombres de productos, agrupar hallazgos duplicados y ayudar a los analistas a comparar evidencias de exposición. También pueden generar coincidencias ruidosas o pasar por alto el contexto local.

Los equipos gubernamentales necesitan pruebas de que un componente vulnerable realmente está presente, es accesible y es importante. Una puntuación de gravedad genérica no puede aportar ese contexto por sí sola.

La presión recae con fuerza sobre las jurisdicciones más pequeñas. A menudo operan servicios esenciales con personal de seguridad limitado, registros de compras fragmentados e infraestructura heredada. Un atacante habilitado por IA puede examinar estos entornos de forma continua, mientras que la organización defensora puede depender de revisiones periódicas.

La colaboración mediante organizaciones de intercambio de información puede reducir esa desventaja. Los indicadores compartidos, los consejos de remediación probados y las comunicaciones coordinadas con proveedores evitan que cada equipo local repita el mismo análisis.

Sin embargo, la inteligencia compartida no puede reparar un dispositivo desconocido ni desactivar una cuenta sin documentar. La acción defensiva final sigue ocurriendo dentro de cada organización.

Los ataques a velocidad de máquina se encuentran con gobiernos a velocidad humana

La IA acorta la preparación de los ataques, pero las decisiones de seguridad gubernamental siguen limitadas por la dotación de personal, las obligaciones de servicio y los registros incompletos de propiedad.

Un atacante tradicional podría dedicar horas a investigar un objetivo, adaptar un mensaje de phishing o revisar información técnica pública. La IA puede acelerar partes de ese trabajo. Puede traducir contenido, imitar el lenguaje organizativo, generar variaciones y ayudar a conectar pistas dispersas.

Esto no hace sofisticado a cada ataque asistido por IA. Hace que la repetición sea más barata.

Un delincuente puede probar más mensajes, dirigirse a más empleados y revisar enfoques fallidos con menos esfuerzo manual. El audio deepfake puede añadir presión a un intento de suplantación. Los mensajes generados pueden evitar los errores gramaticales evidentes que antes ayudaban a los destinatarios a identificar el fraude.

Las agencias públicas son objetivos atractivos porque conservan datos personales y operan servicios que las comunidades no pueden abandonar fácilmente. También publican información organizativa por motivos de transparencia, incluidos directorios de personal, actas de reuniones, contratos y adquisiciones tecnológicas.

Esa apertura respalda la rendición de cuentas democrática. También puede proporcionar a los atacantes material para pretextos convincentes.

Los controles de identidad se vuelven críticos en esas condiciones. La autenticación multifactor, o MFA, exige una prueba adicional además de una contraseña. Reduce el valor de las credenciales robadas, aunque las implementaciones débiles aún pueden ser derrotadas mediante ingeniería social o robo de sesiones.

Las agencias también deben revisar los entornos de directorio, los privilegios administrativos, las cuentas de servicio y las identidades inactivas. Un sistema de autenticación técnicamente sólido no puede proteger una cuenta que ya no debería existir.

El inventario y la identidad están estrechamente conectados. Los equipos necesitan saber quién es responsable de una aplicación, qué cuentas pueden administrarla, a qué datos accede y cómo se elimina el acceso. La falta de información sobre la propiedad retrasa cada respuesta.

Los agentes de IA añaden otra capa de identidad. Un agente combina un modelo con herramientas, acceso a datos y la capacidad de realizar acciones. Puede consultar sistemas internos, llamar a servicios externos, actualizar registros o ejecutar flujos de trabajo aprobados.

La guía sobre agentes de IA del Center for Internet Security identifica riesgos como acciones no autorizadas, filtración de datos y cambios no intencionados en sistemas. Estos riesgos van más allá del modelo porque el agente interactúa con API, credenciales, software de orquestación y datos empresariales.

Una organización que implemente agentes debe inventariarlos como otros activos activos. Debe documentar sus responsables, herramientas, permisos, fuentes de datos y límites operativos. También necesita registros que muestren qué intentó hacer un agente y qué ocurrió realmente.

El principio de mínimo privilegio se vuelve más complejo cuando un agente gestiona varias tareas. Otorgarle acceso amplio simplifica la integración, pero amplía el daño potencial derivado de la manipulación de prompts, las credenciales robadas o el razonamiento defectuoso.

La alternativa más segura es una autoridad más restringida, credenciales de corta duración y controles de aprobación para acciones sensibles. Esos controles pueden ralentizar la automatización, lo que crea la principal disyuntiva del artículo. Las organizaciones quieren la velocidad de la IA, pero una implementación segura requiere restricciones deliberadas.

La misma disyuntiva se aplica a la IA defensiva. Un sistema que pone dispositivos automáticamente en cuarentena o modifica reglas de firewall puede reaccionar con rapidez. Una acción equivocada también puede interrumpir servicios públicos.

La revisión humana sigue siendo necesaria para las decisiones de alto impacto. El desafío es decidir dónde debe intervenir. Exigir aprobación para cada acción menor elimina gran parte del valor de la automatización, mientras que eliminar la supervisión genera un riesgo operativo inaceptable.

Las agencias necesitan una autoridad escalonada. Las tareas de bajo riesgo pueden ejecutarse automáticamente dentro de límites probados. Las acciones de mayor riesgo deben requerir evidencia, revisión y una vía de ejecución reversible.

Ese diseño depende de procesos sólidos. La IA no sustituye la higiene cibernética. Obliga a que la higiene cibernética abarque tanto las identidades humanas como las de las máquinas.

Más allá de los parches, la visibilidad se convierte en el verdadero control

La aplicación de parches sigue siendo esencial, pero una agencia no puede parchear sistemas que no puede ver, clasificar o modificar de forma segura.

La gestión de parches suele recibir atención porque produce una acción clara: instalar una actualización. El problema defensivo más profundo comienza antes.

Un equipo debe saber que opera el producto afectado. Debe identificar la versión implementada, determinar si la función vulnerable es accesible, localizar al propietario del sistema y comprender las consecuencias de modificarlo.

Los registros incompletos convierten una solución técnica en una investigación.

El problema es especialmente grave en la tecnología operativa, u OT, que controla equipos y procesos físicos. Los entornos de OT pueden incluir dispositivos heredados, software especializado, sitios remotos y sistemas con estrictos requisitos de disponibilidad.

Un proyecto de NIST de 2026 sobre la gestión de activos de OT describe el inventario como una base de la arquitectura defendible y de las decisiones basadas en riesgos. NIST señala que las organizaciones no pueden proteger entornos que no pueden ver.

Ese principio se aplica más allá de OT. Las suscripciones a la nube pueden aparecer fuera de las compras centralizadas. Los departamentos pueden adoptar software de forma independiente. Los contratistas pueden introducir plataformas gestionadas, y los empleados pueden conectar aplicaciones no autorizadas a datos de la organización.

La adopción de IA generativa añade más infraestructura en la sombra. Un miembro del personal podría cargar información en un modelo público, autorizar un asistente de IA o conectar un agente a un repositorio de documentos sin una revisión formal.

Los equipos de seguridad necesitan procesos de descubrimiento que identifiquen estas conexiones. También necesitan una respuesta que no empuje a los usuarios aún más a la clandestinidad.

Una prohibición general puede ser difícil de aplicar cuando los servicios públicos de IA siguen siendo fácilmente accesibles. Un programa práctico ofrece a los empleados opciones aprobadas, reglas claras sobre los datos y un proceso para solicitar nuevos casos de uso.

La visibilidad debe incluir el movimiento de datos. No basta con saber que existe una aplicación de IA. Los equipos deben entender qué registros puede recuperar, qué prompts recibe, si conserva los resultados y qué servicios externos procesan la información.

El mismo principio se aplica a los sistemas defensivos. Una herramienta de triaje con IA puede ingerir registros, informes de vulnerabilidades, eventos de identidad e inteligencia sobre amenazas. Si sus fuentes de datos son incompletas, su clasificación puede parecer precisa mientras refleja solo una parte del entorno.

Por eso, las puntuaciones de riesgo generadas por IA no deben convertirse en una verdad automática. Son insumos para la toma de decisiones. Los analistas necesitan acceso a la evidencia subyacente y una forma de cuestionar la recomendación.

Un flujo de trabajo eficaz conecta varios registros: inventario de activos, versiones de software, propiedad de los sistemas, privilegios de identidad, exposición externa, criticidad del servicio y vulnerabilidades conocidas. La IA puede ayudar a conciliar esos registros, pero la gobernanza determina qué fuente es autoritativa.

La documentación también importa durante la rotación de personal. Los gobiernos locales pueden depender de un pequeño número de empleados que comprenden sistemas heredados. Cuando ese conocimiento permanece en bandejas de entrada personales o notas informales, la respuesta a incidentes se ralentiza.

Una base de conocimiento con capacidad de búsqueda puede preservar manuales operativos, decisiones de arquitectura, instrucciones de proveedores e historial de remediación. Los controles de acceso deben corresponderse con la sensibilidad de esos materiales.

El objetivo no es documentar por documentar. Los equipos necesitan respuestas actualizadas durante una ventana de respuesta breve.

Por tanto, la aplicación de parches se integra en un ciclo de control más amplio. Descubrir activos, asignar propiedad, evaluar la exposición, priorizar la acción, probar el cambio, implementarlo, verificar que se completó y registrar las excepciones.

La IA puede acelerar varias etapas. No puede compensar un ciclo que carece de insumos fiables o de propietarios responsables.

Lo que la narrativa sobre la seguridad de la IA aún no demuestra

Los ataques acelerados con ayuda de IA son creíbles, pero las organizaciones no deben confundir cada afirmación sobre modelos o demostración de productos con capacidad operativa medida.

El marketing de seguridad suele avanzar por delante de la evidencia. Los proveedores pueden demostrar que un modelo encuentra vulnerabilidades en entornos controlados, pero las redes reales contienen datos incompletos, configuraciones inusuales, restricciones de acceso y limitaciones operativas.

Un resultado de laboratorio no predice automáticamente el éxito de un ataque contra la infraestructura pública.

La misma cautela se aplica a las afirmaciones sobre defensa autónoma. Un modelo puede clasificar alertas con precisión en un conjunto de datos seleccionado. Los sistemas de producción deben afrontar cambios en el comportamiento de los atacantes, falsos positivos, contexto no disponible e información de entrada adversarial.

Los falsos positivos implican costes reales. Los analistas dedican tiempo a investigar eventos inofensivos, mientras que la contención automatizada puede interrumpir actividades legítimas. El ruido excesivo también puede debilitar la confianza en el sistema.

Los falsos negativos son igual de peligrosos porque un resumen convincente puede ocultar evidencia que se pasó por alto. Los equipos de seguridad deben evaluar ambos tipos de error en condiciones que se parezcan a sus propios entornos.

La supervisión humana no es una respuesta completa. Los analistas pueden ceder con demasiada facilidad ante un resultado de modelo pulido, especialmente durante incidentes de gran volumen. Los equipos necesitan procedimientos que exijan comprobar la evidencia en recomendaciones trascendentales.

Los sistemas de IA también crean nuevas superficies de ataque. La inyección de prompts intenta manipular un modelo mediante instrucciones diseñadas e incrustadas en contenido. Un agente que lee correo electrónico, documentos o páginas web puede encontrarse con texto hostil diseñado para redirigir su comportamiento.

El acceso a herramientas convierte esa manipulación en un riesgo operativo. Un chatbot que solo redacta texto tiene un radio de impacto limitado. Un agente con credenciales, acceso a archivos y permisos de ejecución puede exponer o modificar sistemas reales.

Por tanto, los defensores deben tratar las entradas de los agentes como datos no confiables. Deben separar las instrucciones del contenido recuperado, restringir las herramientas, validar los resultados y registrar las acciones. Las operaciones sensibles necesitan autorización independiente.

Las cadenas de suministro de modelos también requieren atención. Las agencias pueden depender de API alojadas, componentes de código abierto, sistemas de recuperación, plugins y conectores de terceros. Cada capa introduce actualizaciones, credenciales, permisos y cuestiones contractuales.

Aquí es donde el argumento de los controles básicos se vuelve más sólido. La gestión de activos debe incluir los servicios de IA. El inventario de software debe incluir las bibliotecas de soporte y los componentes de orquestación. La gestión de cuentas debe incluir identidades de servicio y credenciales de máquina.

Los planes de respuesta a incidentes también deben abordar fallos de IA. Los equipos deben saber cómo desactivar un agente, revocar sus credenciales, conservar los registros y determinar qué acciones realizó.

La conclusión escéptica no es que la IA carezca de valor para la seguridad. Los modelos pueden ayudar a los defensores a resumir alertas, analizar código, identificar patrones y priorizar investigaciones. La incertidumbre se refiere a la fiabilidad, la autoridad y la medición.

El Verizon DBIR sigue siendo útil porque fundamenta las prioridades de seguridad en incidentes y brechas observados. Las organizaciones deben comparar las afirmaciones de los productos de IA con evidencia de sus propios incidentes, ejercicios y métricas operativas.

Una implementación creíble debería mejorar resultados medibles. Entre ellos se encuentran ventanas de exposición más cortas, investigaciones más rápidas, mejor cobertura del inventario, menos privilegios excesivos y una recuperación más fiable.

Los equipos deben evitar métricas de vanidad como el número de alertas o resúmenes generados por IA. Más resultados no implican necesariamente menos riesgo.

La cobertura de Google News puede amplificar ejemplos dramáticos de hackeo o defensa autónomos. Los líderes de seguridad aún deben formular una pregunta más discreta: ¿el sistema mejoró un control probado sin crear accesos no gestionados?

Tres señales que mostrarán si la higiene cibernética se está poniendo al día

La próxima fase se decidirá por una ejecución medible, no por el número de agencias que anuncien estrategias de IA.

La primera señal es la latencia de aplicación de parches en sistemas expuestos externamente. La latencia de parches mide el tiempo entre que una corrección relevante está disponible y su implementación verificada en los activos afectados.

Un intervalo decreciente respaldaría el argumento de que el triaje asistido por IA y la priorización basada en riesgos están ayudando a los defensores a igualar la velocidad de los atacantes. Un intervalo creciente mostraría que el descubrimiento está generando más trabajo del que las agencias pueden absorber.

La medición debe incluir excepciones. Un panel que excluye sistemas heredados o no gestionados puede informar de avances mientras mantiene la exposición más grave. Los líderes deben preguntar qué proporción del entorno está cubierta y qué activos permanecen fuera de la aplicación normal de parches.

La segunda señal es la cobertura de identidad e inventario para los agentes de IA. Las agencias deberían poder enumerar los agentes implementados, asignar propietarios, documentar herramientas, identificar el acceso a datos y revocar credenciales rápidamente.

Una cobertura en mejora demostraría que las organizaciones están ampliando los controles establecidos a una nueva clase de actor de máquina. La adopción continuada en la sombra debilitaría las afirmaciones de que la gobernanza de IA se ha vuelto operativa.

La prueba debe ser práctica. Durante un ejercicio, ¿puede el equipo de seguridad localizar todos los agentes conectados a un repositorio sensible? ¿Puede identificar qué credenciales utilizó cada agente y desactivarlas sin tener que buscar en varios departamentos?

La tercera señal es la evidencia procedente de ejercicios del sector público e incidentes reales. Las herramientas de defensa con IA deberían demostrar que reducen el tiempo de investigación o la exposición sin causar interrupciones inaceptables.

Las evaluaciones independientes importarán más que los benchmarks de proveedores. Los informes útiles deben describir el entorno, los límites de la tarea, las tasas de error, la participación humana y las consecuencias de los errores.

Estas señales deben aparecer en las decisiones de contratación pública. Las agencias pueden exigir a los proveedores que admitan registros detallados, acceso con privilegios mínimos, registros exportables, revocación rápida de credenciales y pruebas independientes.

Los contratos también deben abordar los cambios en modelos y servicios. Un proveedor alojado puede actualizar un modelo sin cambiar el nombre del producto orientado al cliente. Las agencias necesitan ser notificadas cuando esos cambios afecten el comportamiento de seguridad, el tratamiento de datos o el uso de herramientas.

La colaboración en el sector público sigue siendo importante porque las jurisdicciones más pequeñas no pueden evaluar cada sistema de forma independiente. Los resultados compartidos de pruebas y los requisitos de contratación pueden elevar el estándar mínimo en muchas agencias.

Sin embargo, la orientación común debe dejar espacio para el contexto local. Un sistema de registros de un condado y una red de control del transporte no comparten el mismo riesgo operativo. El nivel adecuado de automatización será diferente.

El informe de GovTech ofrece una corrección útil a la narrativa más estridente sobre la seguridad de la IA. Los defensores no necesitan abandonar los controles conocidos y empezar de nuevo. Necesitan ejecutar esos controles frente a amenazas más rápidas, patrimonios de software en expansión y una población creciente de identidades de máquina.

Es una tarea exigente. El trabajo de inventario carece de la visibilidad de un nuevo lanzamiento de IA. Las revisiones de acceso no producen demostraciones dramáticas. La verificación de parches rara vez se convierte en un titular de Google News.

Sin embargo, estos procesos determinan si las herramientas avanzadas fortalecen a una organización o añaden otra capa sin gestionar.

Los líderes de seguridad deberían empezar con tres preguntas. ¿Qué activos expuestos a internet permanecen fuera de un inventario verificado? ¿Qué identidades humanas o de máquina conservan accesos que ya no necesitan? ¿Con qué rapidez puede actuar la organización cuando aparece una vulnerabilidad de alto riesgo?

Las respuestas revelarán más que un documento de estrategia de IA. Muestran si la ciberhigiene opera a la velocidad que exige el nuevo entorno de amenazas.