Seguridad GenAI de OWASP

Día 1: Fundamentos y amenazas principales

Módulo 1: Introducción al proyecto de seguridad GenAI de OWASP (1 hora)

Objetivos de aprendizaje:

• Comprender la evolución desde los OWASP Top 10 hasta los desafíos específicos de seguridad en GenAI
• Explorar el ecosistema y los recursos del proyecto de seguridad GenAI de OWASP
• Identificar las diferencias clave entre la seguridad de aplicaciones tradicionales y la seguridad de IA

Temas cubiertos:

• Vista general de la misión y el alcance del proyecto de seguridad GenAI de OWASP
• Introducción al marco Threat Defense COMPASS
• Comprensión del panorama de seguridad de IA y los requisitos regulatorios
• Superficies de ataque de IA frente a vulnerabilidades tradicionales en 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 LLMs
• Comprender los vectores de ataque y las técnicas de explotación
• Aplicar estrategias prácticas de mitigación

Temas cubiertos:

LLM01: Inyección de prompts

• Técnicas de inyección de prompts directas e indirectas
• Ataques de instrucciones ocultas y contaminación entre prompts
• Ejemplos prácticos: Romper (jailbreaking) chatbots y sortear medidas de seguridad
• Estrategias de defensa: Saneamiento de entrada, filtrado de prompts, privacidad diferencial

LLM02: Divulgación de información sensible

• Extracción de datos de entrenamiento y filtración de prompts del sistema
• Análisis del comportamiento del modelo para la exposición de información sensible
• Implicaciones de privacidad y consideraciones de cumplimiento regulatorio
• Mitigación: Filtrado de salida, controles de acceso, anonimización de datos

LLM03: Vulnerabilidades de la cadena de suministro

• Dependencias de modelos de terceros y seguridad de plugins
• Conjuntos de datos de entrenamiento comprometidos y envenenamiento de modelos
• Evaluación de riesgos de proveedores para componentes de IA
• Prácticas seguras de despliegue y verificación de modelos

Ejercicio práctico: Laboratorio práctico que demuestra ataques de inyección de prompts contra aplicaciones 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 mediante entradas contaminadas
• Ataques de puerta trasera y verificación de integridad de datos
• Prevención: Pipelines de validación de datos, seguimiento del origen

LLM05: Manejo inadecuado de la salida

• Procesamiento inseguro de contenido generado por LLMs
• Inyección de código a través de salidas generadas por IA
• Scripts entre sitios (XSS) a través de respuestas de IA
• Marcos de validación y saneamiento 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 LLMs (1.5 horas)

Temas cubiertos:

LLM06: Agencia excesiva

• Riesgos de toma de decisiones autónoma y violaciones de límites
• Gestión de autoridad y permisos de agentes
• Interacciones no intencionadas del sistema y escalada de privilegios
• Implementación de barandales (guardrails) y controles de supervisión humana

LLM07: Filtración de prompts del sistema

• Vulnerabilidades de exposición de instrucciones del sistema
• Divulgación de credenciales y lógica a través de prompts
• Técnicas de ataque para extraer prompts del sistema
• Seguridad de instrucciones del sistema y configuración externa

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

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 contra ataques sofisticados

Temas cubiertos:

LLM08: Debilidades vectoriales y de incrustaciones (embeddings)

• Vulnerabilidades en sistemas RAG y seguridad de bases de datos vectoriales
• Ataques de envenenamiento de embeddings y manipulación de similitud
• Ejemplos adversarios en búsqueda semántica
• Seguridad 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 validación de fuentes
• Integración de validación de contenido y supervisión humana

LLM10: Consumo sin límites

• Agotamiento de recursos y ataques de denegación de servicio
• 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 un pipeline RAG seguro con protección de base de datos vectorial y detección de alucinaciones

Módulo 6: Seguridad de IA agéntica (2 horas)

Objetivos de aprendizaje:

• Comprender los desafíos de seguridad únicos de los agentes de IA autónomos
• Aplicar la taxonomía de IA agéntica de OWASP a sistemas del mundo real
• Implementar controles de seguridad para entornos multiagente

Temas cubiertos:

• Introducción a la IA agéntica y los sistemas autónomos
• Taxonomía de amenazas de IA agéntica de OWASP: Diseño del agente, Memoria, Planificación, Uso de herramientas, Despliegue
• Seguridad de sistemas multiagente y riesgos de coordinación
• Ataques de uso indebido de herramientas, envenenamiento de memoria y secuestro de objetivos
• Seguridad de la comunicación entre agentes y procesos de toma de decisiones

Ejercicio práctico: Ejercicio de modelado de amenazas usando la taxonomía de IA agéntica de OWASP en un sistema de atención al cliente multiagente

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 organizacionales
• Desarrollar estrategias integrales de gestión de riesgos de IA

Temas cubiertos:

• Análisis profundo de la metodología Threat Defense COMPASS
• Integración del Bucle OODA: Observar, Orientarse, Decidir, Actuar
• Mapa de amenazas a los marcos MITRE ATT&CK y ATLAS
• Creación de tableros de estrategia de resiliencia de amenazas de IA
• Integración con herramientas y procesos de seguridad existentes

Ejercicio práctico: Evaluación completa de amenazas usando COMPASS para un escenario de despliegue de Microsoft Copilot

Módulo 8: Implementación práctica y mejores prácticas (2.5 horas)

Objetivos de aprendizaje:

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

Temas cubiertos:

Ciclo de vida de desarrollo seguro de IA:

• Principios de seguridad por diseño (security-by-design) para aplicaciones de IA
• Prácticas de revisión de código para integraciones de LLMs
• Metodologías de pruebas y escaneo de vulnerabilidades
• Seguridad del despliegue y endurecimiento para producción

Monitoreo y detección:

• Requisitos de registro y monitoreo específicos de IA
• Detección de anomalías en sistemas de IA
• Procedimientos de respuesta a incidentes para eventos de seguridad de IA
• Técnicas de forense e investigación

Gobernanza y cumplimiento:

• Marcos y políticas de gestión de riesgos de IA
• Consideraciones de cumplimiento regulatorio (RGPD, AI Act, etc.)
• Evaluación de riesgos de terceros para proveedores de IA
• Entrenamiento de concientización de seguridad para equipos de desarrollo de IA

Ejercicio práctico: Diseño de 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 seguridad de código abierto: Garak, PyRIT, Giskard
• Soluciones comerciales para seguridad y monitoreo de IA
• Patrones de integración y estrategias de despliegue
• Criterios de selección de herramientas y marcos de evaluación

Ejercicio práctico: Demostración práctica de herramientas de prueba de seguridad de IA y planificación de 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 los programas de seguridad de IA organizacionales

Temas cubiertos:

• Amenazas emergentes: Deepfakes, inyección de prompts avanzada, inversión de modelos
• Desarrollos futuros y hoja de ruta del proyecto GenAI de OWASP
• Construcción de comunidades de seguridad de IA y compartición de conocimiento
• Mejora continua e integración de inteligencia de amenazas

Ejercicio de planificación de acción: Desarrollo de un plan de acción de 90 días para implementar las prácticas de seguridad GenAI de OWASP en las organizaciones de los participantes