La IA está convirtiendo la seguridad de Web3 en una crisis de control de acceso

OneSafe llegó a Google News el 30 de agosto con una contundente advertencia: la inteligencia artificial está haciendo que los ataques contra Web3 sean más fáciles, rápidos y difíciles de reconocer. El artículo señala software malicioso, phishing, claves privadas comprometidas y flujos de trabajo de desarrollo riesgosos. Su preocupación central es válida, pero varias afirmaciones de apoyo carecen de detalles suficientes para una verificación independiente.

Esta brecha importa porque los activos digitales convierten errores de seguridad habituales en eventos financieros irreversibles. Un mensaje convincente puede llevar a alguien a revelar una frase semilla o aprobar una transacción maliciosa. Una máquina de desarrollo infectada puede exponer credenciales de despliegue, claves de firma o accesos privilegiados. A menudo no hay ningún banco capaz de revertir el resultado.

Por tanto, el conflicto real no es la IA frente a la ciberseguridad tradicional. Es la aceleración de la automatización frente a controles de seguridad diseñados en torno a una actividad humana más lenta y visible. La cobertura de seguridad de IA de OneSafe capta esa presión, mientras que los datos federales y la investigación independiente muestran dónde se concentran realmente los riesgos medibles.

Lo que realmente cambió con la advertencia de OneSafe en Google News

OneSafe transformó una preocupación amplia sobre la IA maliciosa en una advertencia sobre flujos de trabajo de Web3, pero no estableció una nueva brecha ni reveló una vulnerabilidad recién descubierta.

La advertencia de seguridad sostiene que la IA está reduciendo la barrera de habilidades para los atacantes. Afirma que los desarrolladores deben examinar con detenimiento los archivos de configuración de IA, mantener copias de seguridad limpias y mejorar su conciencia de seguridad. También destaca los infostealers, programas maliciosos diseñados para recopilar credenciales, datos del navegador, información de billeteras y otros secretos.

Se trata de una intervención editorial, no de un anuncio de producto, una alerta de seguridad ni un informe de incidentes. OneSafe no identificó un protocolo recientemente comprometido. No publicó indicadores técnicos que los defensores pudieran usar para detectar una infección. Tampoco cuantificó cuántos ataques a Web3 involucraron IA.

La aparición en Google News aún da al argumento una relevancia más amplia. Plantea una cuestión operativa específica para fundadores y desarrolladores: ¿debería la salida de una herramienta de programación con IA recibir la misma confianza que el código escrito por un colega?

La respuesta más segura es no. El código generado, las extensiones descargadas, los archivos de configuración, los comandos de shell y las instrucciones de agentes requieren revisión. Este principio se aplica incluso cuando un sistema de IA no es malicioso. Un modelo puede producir código inseguro sin que un atacante lo controle.

OneSafe también describe un aparente incidente de malware relacionado con una persona identificada como Numa Lunah. Según el artículo, una interacción con una herramienta de IA condujo a una infección que persistió tras un reinicio. Sin embargo, el artículo no enlaza a un informe forense, una muestra de malware, una cronología del incidente ni el relato original.

Esta omisión impide a los lectores determinar qué ocurrió realmente. La infección pudo haber llegado a través de una aplicación falsificada, una dependencia maliciosa, un comando copiado o una configuración comprometida. Cada vía requiere una defensa distinta.

El artículo atribuye de forma similar una advertencia a un desarrollador llamado Calle sin proporcionar un enlace a la fuente ni suficiente información identificativa. La postura subyacente es plausible, pero la atribución no debería tener el peso de evidencia verificada.

Esta distinción es esencial en la cobertura de seguridad. Una preocupación creíble no se convierte automáticamente en un incidente documentado. Los lectores deberían separar la advertencia general de OneSafe de los datos de ataques establecidos de forma independiente.

Por ello, la versión más sólida de la historia es más limitada de lo que sugiere el titular. La IA está ampliando el volumen y la credibilidad de contenido dañino. Los sistemas Web3 exponen objetivos de valor inusualmente alto e irreversibles. La combinación eleva el coste de unos controles débiles de identidad, acceso y transacciones.

Esta conclusión resiste el escrutinio. Algunos de los detalles ilustrativos del artículo aún no cumplen el mismo estándar.

Por qué la seguridad de IA en Web3 se ha convertido en un problema de control de acceso

Las pérdidas más importantes en Web3 comienzan cada vez más con autoridad robada, no con un modelo de IA derrotando la criptografía de blockchain.

Una clave privada permite a su titular autorizar acciones para una dirección blockchain. Una frase semilla puede restaurar el control de una billetera completa. Las credenciales de administrador pueden proporcionar acceso a actualizaciones de protocolos, sistemas en la nube, canalizaciones de despliegue o cuentas corporativas.

La IA no necesita romper el cifrado cuando puede ayudar a un atacante a hacerse pasar por un colega, personalizar mensajes de phishing o buscar datos robados. El modelo se convierte en un amplificador de técnicas delictivas ya establecidas.

Los datos de denuncias de 2025 del FBI ilustran ese entorno más amplio. El Internet Crime Complaint Center recibió 1.008.597 denuncias durante 2025. Las pérdidas reportadas por delitos cibernéticos se aproximaron a los 21.000 millones de dólares.

Las denuncias relacionadas con criptomonedas generaron más de 11.000 millones de dólares en pérdidas reportadas en 181.565 presentaciones. Estas cifras abarcan varios tipos de delitos, por lo que no deberían tratarse como una medición de hackeos a Web3 impulsados por IA. Establecen la escala financiera del objetivo.

El mismo informe incluyó por primera vez en la historia del centro una sección sobre IA. Registró 22.364 denuncias que contenían información relacionada con IA y aproximadamente 893 millones de dólares en pérdidas ajustadas. Las denuncias de inversión con una conexión reportada con IA representaron más de 632 millones de dólares.

Estas categorías se solapan conceptualmente, pero no deben sumarse. Los datos del FBI describen denuncias y pérdidas reportadas, no un censo completo de delitos. Tampoco prueban que la IA causara cada pérdida asociada con una denuncia relacionada con IA.

Aun así, los patrones son instructivos. El FBI identificó mensajes ejecutivos generados, clonación de voz, perfiles fabricados, respaldos sintéticos y conversaciones personalizadas. Estas técnicas se dirigen al juicio humano y a los procedimientos institucionales.

Por eso las preocupaciones de seguridad de IA de OneSafe pertenecen a una discusión sobre control de acceso. Si un mensaje convincente puede desencadenar una transferencia, el sistema depende de que una persona detecte correctamente cada engaño. La IA ofrece a los atacantes más oportunidades para poner a prueba esa dependencia frágil.

Web3 intensifica el problema porque la autorización suele conllevar poder financiero inmediato. Una cuenta de correo corporativa comprometida puede iniciar una solicitud de pago fraudulenta. Una billetera comprometida puede ejecutar el pago directamente.

Los contratos inteligentes añaden otra capa. Son programas desplegados en una blockchain, donde pueden mantener activos o aplicar reglas financieras. Algunos contratos pueden actualizarse o pausarse mediante cuentas privilegiadas. Si los atacantes capturan esos privilegios, el código de contrato auditado puede ofrecer poca protección.

La respuesta no consiste simplemente en más capacitación para empleados. La capacitación importa, pero las personas no pueden identificar de forma fiable cada voz sintética, mensaje realista o interfaz clonada. Las organizaciones necesitan controles que asuman que algún engaño tendrá éxito.

Estos controles incluyen firma respaldada por hardware, simulación de transacciones, listas de permitidos para retiros, entornos separados para desarrollo y tesorería, y requisitos de aprobación que involucren a más de una persona. Los equipos también necesitan credenciales de corta duración y procedimientos centralizados de revocación.

Una base de conocimiento con capacidad de búsqueda puede respaldar la preparación ante incidentes al mantener accesibles procedimientos verificados. No puede sustituir la aplicación técnica de controles, pero puede reducir la confusión cuando los equipos necesitan instrucciones confiables con rapidez.

Por tanto, la seguridad de IA en Web3 tiene menos que ver con reconocer cada falsificación. Se trata de impedir que una falsificación exitosa obtenga suficiente autoridad para vaciar una billetera o alterar sistemas de producción.

La automatización ayuda a los atacantes, pero Web3 sigue aportando la capacidad de impacto

La IA mejora la velocidad y la presentación de los ataques, mientras que las credenciales concentradas y las transacciones irreversibles de Web3 determinan su impacto.

La expresión “ataque impulsado por IA” puede ocultar más de lo que explica. Puede describir texto de phishing generado, vídeo sintético, descubrimiento automatizado de vulnerabilidades, generación de código malicioso o un agente manipulado mediante una entrada hostil. Estos mecanismos no son intercambiables.

El phishing es actualmente la intersección más clara. Un modelo de lenguaje puede crear mensajes gramaticalmente correctos en muchos idiomas y adaptarlos al rol de un destinatario. Los atacantes pueden combinar ese texto con información de perfiles públicos, bases de datos filtradas o correos electrónicos robados.

Las comunidades de criptomonedas también dependen en gran medida de Discord, Telegram, X y otros canales abiertos. Las conversaciones de soporte, anuncios de tokens, debates de gobernanza y ofertas de empleo pueden llegar a través de las mismas interfaces utilizadas por los suplantadores.

Check Point documentó ese patrón en su investigación sobre Inferno Drainer. Los investigadores encontraron una campaña que llevaba a los usuarios desde un sitio Web3 legítimo a Discord, donde luego se presentaba un bot falsificado de Collab.Land y una página de phishing.

Se pedía a las víctimas que conectaran sus billeteras y firmaran transacciones maliciosas. La técnica explotaba un proceso de verificación familiar, no una capacidad exótica de IA. Check Point estimó que Inferno Drainer afectó a más de 30.000 billeteras y provocó al menos 9 millones de dólares en pérdidas durante seis meses.

El servicio también utilizó contratos de corta duración, configuración on-chain cifrada, direcciones rotativas e infraestructura proxy. Estos mecanismos dificultaban la detección y el bloqueo. Demuestran cómo la automatización y la infraestructura criminal reutilizable pueden escalar un ataque sin requerir un modelo novedoso.

Los infostealers crean una ruta distinta. Recopilan cookies del navegador, contraseñas guardadas, tokens, archivos y datos relacionados con billeteras de una máquina infectada. Los atacantes pueden distribuirlos mediante aplicaciones falsificadas, anuncios maliciosos, cracks de software, repositorios envenenados o falsas entrevistas de trabajo.

La IA puede hacer que estas campañas resulten más convincentes. Puede redactar mensajes de reclutamiento personalizados, generar documentos realistas o ayudar a crear sitios web de imitación. Sin embargo, el archivo adjunto, paquete o comando malicioso sigue siendo el punto en el que la persuasión se convierte en ejecución.

Este límite importa para la defensa. Los clasificadores de contenido pueden detectar redacción sospechosa, pero no pueden impedir que un usuario ejecute un binario sin firma. Del mismo modo, una auditoría de contratos inteligentes no eliminará malware de la laptop de un desarrollador.

Hacken informó de un cambio más amplio en su informe de seguridad H1. La empresa contabilizó 3.100 millones de dólares en pérdidas de Web3 durante la primera mitad de 2025. Atribuyó 1.830 millones de dólares a exploits de control de acceso, 600 millones de dólares a phishing e ingeniería social, y aproximadamente 263 millones de dólares a errores de contratos inteligentes.

Estas cifras provienen de la metodología de un proveedor de seguridad, no de un censo gubernamental. Sin embargo, respaldan una comparación crucial. Los fallos de acceso y la manipulación humana generaron pérdidas reportadas mucho mayores que los errores de contratos durante ese periodo.

Hacken también informó de un aumento del 1.025 por ciento en exploits relacionados con IA, principalmente relacionados con interfaces de programación de aplicaciones inseguras y configuraciones de inferencia vulnerables. Esta afirmación requiere una interpretación cuidadosa porque el resumen público no proporciona una lista completa de eventos ni un denominador.

Una tasa de crecimiento elevada puede partir de una base pequeña. Los criterios de clasificación también pueden cambiar a medida que los investigadores etiquetan más incidentes como relacionados con la IA. La cifra indica una categoría que merece seguimiento, pero no demuestra que la IA se haya convertido en la causa principal de las pérdidas en Web3.

La conclusión más sólida es que la IA amplía las superficies de ataque existentes. Web3, a su vez, ofrece una autoridad de valor inusualmente alto para que los atacantes la roben.

Los agentes de IA crean una vía más directa hacia los activos digitales

El riesgo cambia estructuralmente cuando un sistema de IA puede leer contenido externo y autorizar transacciones sin que una persona revise cada acción.

Un agente de IA es software que utiliza un modelo para seleccionar y ejecutar acciones en distintas herramientas. En un entorno Web3, esas acciones podrían incluir leer datos de mercado, intercambiar activos, votar en procesos de gobernanza, interactuar con contratos o mover fondos.

Esta configuración modifica el modelo de amenazas. Un chatbot convencional puede dar consejos incorrectos. Un agente con acceso a una wallet puede convertir una instrucción errónea en una transacción irreversible.

Investigadores de Princeton University y University of Illinois examinaron este problema en un estudio sobre ataques a agentes. Su trabajo se centró en la manipulación del contexto, un ataque que introduce instrucciones maliciosas dentro de la información que lee un agente.

Los investigadores probaron ataques contra ElizaOS, un marco utilizado para aplicaciones Web3 autónomas. Informaron que los prompts manipulados y los registros históricos de interacción podían provocar transferencias no deseadas e infracciones de protocolos.

Esto se parece a la inyección de prompts, en la que contenido no confiable instruye a un modelo para que ignore su tarea prevista. La diferencia está en la consecuencia operativa. Un agente manipulado podría hacer más que producir una mala respuesta. Puede utilizar una herramienta o wallet conectada.

La investigación también concluyó que las defensas basadas en prompts eran insuficientes en el entorno probado. La información maliciosa podía persistir dentro del contexto almacenado e influir en interacciones posteriores. Esa persistencia crea la posibilidad de fallos en cascada entre sesiones.

Estos hallazgos no deben generalizarse a todos los agentes ni a todas las configuraciones de wallets. El artículo probó sistemas y diseños de ataque específicos. Los despliegues en producción pueden imponer permisos y verificaciones externas que reduzcan la exposición.

Sin embargo, el mecanismo es creíble e importante. Un agente suele necesitar datos externos para operar. Esos datos pueden incluir publicaciones en redes sociales, propuestas de gobernanza, descripciones de tokens, mensajes de soporte e interfaces de aplicaciones descentralizadas. Cualquiera de esas superficies puede contener instrucciones hostiles.

Los desarrolladores deberían tratar el contexto del modelo como una entrada no confiable. También deberían asumir que un agente acabará por malinterpretar una solicitud o encontrará información manipulada. La seguridad debe situarse fuera del proceso de razonamiento del modelo.

Un enfoque consiste en la separación de capacidades. Un agente que supervisa mercados no necesita automáticamente autoridad de firma. Un sistema que prepara transacciones puede generar una propuesta sin firmar para que otro servicio o persona la revise.

Los límites de transacción ofrecen otra barrera. Los equipos pueden limitar el importe transferido durante un período definido, restringir los contratos aprobados y prohibir direcciones de destino arbitrarias. Un motor de políticas dedicado puede evaluar estas reglas sin depender de un modelo.

La simulación añade contexto antes de la ejecución. Estima cómo una transacción modifica los saldos, las aprobaciones y el estado del contrato. La simulación no identificará todos los resultados maliciosos, pero puede revelar transferencias inesperadas o permisos ilimitados sobre tokens.

La revocación también merece atención. Los equipos necesitan un método rápido para desactivar credenciales, rotar claves, pausar automatizaciones y aislar componentes comprometidos. Un procedimiento de apagado complejo es una vulnerabilidad de seguridad cuando un agente opera de forma continua.

Este es el impacto más concreto de la IA en Web3. Los modelos están pasando de la generación de contenido a sistemas que poseen autoridad operativa. El riesgo resultante surge de combinar decisiones probabilísticas con ejecución financiera determinista.

La narrativa de Google News aún presenta una brecha de evidencia

OneSafe identifica un peligro legítimo, pero los lectores deberían evitar agrupar cada pérdida de criptomonedas, campaña de phishing e infección de malware en una única estadística sobre IA.

Google News puede mostrar un artículo, pero la agregación no valida cada afirmación que contiene. La visibilidad en las búsquedas mide la facilidad para descubrirlo. No sustituye los registros de respuesta a incidentes, el análisis técnico ni la recopilación transparente de datos.

El artículo de OneSafe ofrece recomendaciones sensatas, especialmente su consejo de examinar minuciosamente los archivos relacionados con IA y las copias de seguridad limpias. Sin embargo, su ejemplo de malware más llamativo carece de un informe forense enlazado. Los lectores no pueden examinar el software implicado, el vector de infección, el sistema afectado ni el proceso de recuperación.

Esa información ausente limita la lección. Si un atacante distribuyó una aplicación de IA falsa, la firma de aplicaciones y la verificación de descargas pasan a ser centrales. Si el código generado introdujo una vulnerabilidad, la revisión y las pruebas de código importan más. Si una instrucción maliciosa activó un comando, el aislamiento y los controles de aprobación se convierten en la prioridad.

La terminología crea otro problema. “Malware integrado con IA” puede implicar que un modelo operaba dentro del programa malicioso. En muchos incidentes, la IA ayuda antes al atacante redactando mensajes o adaptando código. El malware que llega a la víctima puede comportarse como un infostealer ya conocido.

Esta diferencia afecta a las compras y a las políticas. Una empresa podría adquirir un detector de contenido generado por IA mientras deja expuestas las credenciales de desarrolladores. Podría prohibir asistentes aprobados mientras los empleados siguen descargando herramientas no verificadas. También podría ampliar la supervisión sin restringir la autoridad para realizar transacciones.

Las cifras del FBI exigen una disciplina similar. Su categoría de IA depende de la información reportada en las denuncias. La agencia afirma que la IA permite crear perfiles y conversaciones sintéticos convincentes, pero su total de pérdidas no aísla la explotación técnica de protocolos Web3.

La categoría de criptomonedas también es más amplia que el hackeo de blockchain. Incluye fraude de inversión y otros esquemas en los que los delincuentes solicitan o mueven pagos mediante activos digitales. Las criptomonedas pueden ser el canal de pago, no la vulnerabilidad.

Los informes de proveedores responden a preguntas distintas. Una empresa de seguridad blockchain puede analizar pérdidas on-chain y clasificar incidentes con su propia taxonomía. Su conjunto de datos puede recoger ataques a protocolos que las víctimas nunca denuncian ante autoridades federales.

Estas fuentes pueden reforzarse mutuamente sin ser directamente comparables. El FBI muestra la escala del fraude reportado. Check Point documenta una operación específica de vaciado de wallets. Hacken categoriza las pérdidas en todo el sector Web3. Los investigadores académicos prueban cómo responden los agentes a contextos hostiles.

En conjunto, respaldan una conclusión mesurada. La IA hace que el engaño sea más barato de producir y más fácil de personalizar. Los agentes autónomos también pueden crear nuevos riesgos de ejecución. Ninguno de estos puntos demuestra que la IA sea responsable de la mayoría de las pérdidas en Web3.

También existe un aspecto defensivo en esta competencia. Los equipos de seguridad utilizan aprendizaje automático para priorizar alertas, clasificar contratos, identificar transacciones sospechosas y detectar anomalías de comportamiento. Los desarrolladores utilizan modelos para revisar código y generar pruebas.

Estas aplicaciones pueden reducir el riesgo cuando las personas verifican su resultado. Pueden crear una falsa sensación de seguridad cuando los equipos tratan la evaluación de un modelo como prueba de que algo es seguro.

La competencia principal es la automatización frente a controles exigibles. Los atacantes automatizan el descubrimiento y la persuasión. Los defensores deben automatizar la contención, el privilegio mínimo, la simulación, la supervisión y la revocación.

Este encuadre es menos dramático que una amenaza generalizada de la IA. También es más accionable.

Tres señales mostrarán si la amenaza está escalando

La siguiente fase se medirá por incidentes verificados de agentes, pérdidas de control de acceso y salvaguardas de transacción más sólidas, no por el número de titulares alarmantes.

La primera señal es una pérdida documentada causada directamente por un agente de IA manipulado. Una divulgación útil identificaría la autoridad del modelo, la entrada hostil, las acciones realizadas y los controles que fallaron.

Un incidente así reforzaría el argumento de que la IA crea una clase distintiva de vulnerabilidad en Web3. Sin esa evidencia, muchos ataques reportados seguirán siendo robos convencionales de credenciales o phishing con preparación asistida por IA.

La segunda señal es la proporción de pérdidas en Web3 atribuida a claves, permisos e ingeniería social comprometidos. Los informes de seguridad deberían publicar definiciones claras y datos a nivel de evento siempre que sea posible.

Si las pérdidas por control de acceso siguen predominando, los equipos deberían priorizar los límites de identidad y la arquitectura de firma. Un aumento sostenido de compromisos específicos de modelos justificaría una mayor inversión en el aislamiento de agentes y el filtrado de contexto.

La tercera señal es la adopción de sistemas independientes de políticas de transacción. Los proveedores de wallets, los exchanges y los equipos de protocolos pueden exigir simulación, restricciones de destino, límites de gasto o múltiples aprobaciones antes de mover activos.

Una adopción amplia debilitaría la ventaja del atacante. Un mensaje sintético persuasivo se vuelve menos valioso cuando un solo empleado no puede autorizar la acción solicitada. Un agente comprometido se vuelve menos peligroso cuando sus credenciales solo permiten operaciones limitadas.

La advertencia de OneSafe en Google News es útil porque dirige la atención hacia el comportamiento de los desarrolladores antes de una crisis. Su brecha de evidencia también demuestra por qué las afirmaciones de seguridad necesitan fuentes, detalles reproducibles y categorías cuidadosas.

Los desarrolladores deberían revisar cada servicio que pueda acceder a código, sesiones de navegador, secretos de despliegue o wallets. Deberían identificar qué sistemas solo pueden recomendar una acción y cuáles pueden ejecutarla. Ese mapa suele revelar más riesgo que una lista de productos de IA aprobados.

Los compradores empresariales deberían preguntar a los proveedores cómo almacenan el contexto los agentes, aíslan las herramientas y revocan la autoridad. También deberían preguntar si las políticas de transacción operan fuera del modelo. Un prompt de seguridad no es un sistema de control de acceso.

Los trabajadores del conocimiento deberían verificar las solicitudes financieras urgentes a través de un canal separado. La voz, el vídeo y un estilo de escritura familiar ya no proporcionan una prueba fiable de identidad. Un método de contacto conocido y un proceso de aprobación establecido tienen más valor.

La pregunta importante tras esta historia de Google News no es si la IA tiene cabida en Web3. Es si cada sistema automatizado tiene suficiente autoridad para convertir una sola entrada engañosa en una pérdida permanente. Audite ahora ese límite, documente quién puede detener una acción y pruebe la vía de apagado antes de que los atacantes la prueben por usted.