CrowdStrike y CoreWeave entrenan IA para atacar y defender

Veintisiete segundos. Ese fue el "breakout time" más rápido de cibercrimen que CrowdStrike registró en 2025, es decir, el tiempo que necesitó un atacante para ir más allá del primer punto de apoyo dentro de una red. Bartley Richardson, responsable de IA de CrowdStrike Holdings Inc., usa esa cifra para defender que los analistas humanos ya no pueden seguir el ritmo sin ayuda. La ayuda que tiene en mente son modelos de IA entrenados con una gran capacidad de computación, y parte de esa capacidad la pone CoreWeave Inc.

Richardson y Jim Higgins, director de seguridad de la información de CoreWeave, explicaron el acuerdo en una conversación con Dave Vellante y John Furrier, de theCUBE Research, en el evento Fully Connected. TheCUBE es el estudio de retransmisiones en directo de SiliconANGLE Media. La charla giró en torno a tres temas: la defensa a velocidad de máquina, la seguridad integrada en la infraestructura y la confianza en los sistemas automatizados.

Por qué la computación importa para la defensa

El argumento de Richardson es sencillo. Si los atacantes avanzan en cuestión de segundos, la respuesta tiene que estar automatizada, y la defensa automatizada necesita capacidad tanto para entrenar modelos como para ejecutarlos.

"No se puede pedir a las personas que combatan esto solas", afirmó. "Hace falta una defensa a velocidad de máquina, y eso depende de infraestructura crítica".

Ahí es donde entra CoreWeave. Según CrowdStrike, el proveedor de nube aporta la capacidad de entrenamiento e inferencia para SafeMind. CoreWeave también ejerce de socio de diseño del Cyber Superintelligence Lab de CrowdStrike. CrowdStrike pone los datos de seguridad y su conocimiento de los adversarios. CoreWeave pone la infraestructura.

Modelos de ataque como fuente de entrenamiento

Lo más interesante es cómo aprenden los modelos. Richardson lo llama "coevolución adversarial". En la práctica, CrowdStrike crea modelos ofensivos cuya tarea es esquivar las operaciones defensivas. Después, los modelos defensivos se entrenan con los resultados.

"Entrenamos y orientamos las mejores capacidades ofensivas para atacar, para encontrar formas de sortear las operaciones defensivas", explicó Richardson. "Pero luego entrenamos estos modelos defensivos en infraestructura a gran escala para que aprendan de esos ataques".

Dicho de otro modo, cada ataque que tiene éxito se convierte en datos de entrenamiento. El enfoque se mueve en el mismo terreno que otros trabajos recientes sobre IA para la ciberdefensa, en los que los fabricantes intentan ir por delante de unos modelos cada vez más capaces en el ataque.

Seguridad sin parar la máquina

CoreWeave tiene su propio problema que resolver. Sus sistemas de producción no pueden desconectarse para tareas de seguridad, así que la protección tiene que hacerse mientras todo sigue funcionando. Higgins tiene un nombre para esto.

"Es lo que yo llamo el aikido del problema de la seguridad", dijo. Cualquier cosa que mejore la seguridad "mientras la máquina está en marcha y que use su propia energía para impulsar las necesidades de seguridad es exactamente lo que hago".

Para CoreWeave, eso significa usar IA para analizar el código. También significa integrar la automatización en la cadena de integración y entrega continuas (CI/CD), el proceso que prueba y despliega los cambios de software, para que los errores de configuración se corrijan ahí antes de llegar a producción.

Lo básico sigue ganando

Higgins tuvo cuidado de no exagerar el papel de la IA. Los atacantes, recordó, trabajan con presupuestos y tiempo limitados. Buscan la forma más barata de entrar, y varias debilidades pequeñas y corrientes combinadas pueden darles justo eso.

"Cuando digas que algo es seguro, pruébalo y pruébalo a menudo para asegurarte, pero también haz lo básico", dijo. "Aplica los parches y prueba y vigila continuamente esos problemas".

La confianza como meta

CrowdStrike está invirtiendo en automatización para unas operaciones de seguridad siempre activas. Richardson dijo que esas herramientas tienen que ganarse la confianza de CoreWeave y de los clientes de CoreWeave. Y ofreció una definición de IA que enmarca todo el proyecto.

"La gente pregunta: '¿Cuándo llegaremos al final de la IA?'. Y yo respondo: 'Nunca'", dijo. "Es IA hasta que confías en ella. Entonces empiezas a verla como automatización".

Para CrowdStrike, la prioridad mientras desarrolla una IA que nunca se apaga es "cómo se integra la confianza en el sistema".

Una aclaración procedente de la cobertura original: theCUBE es socio mediático remunerado de Fully Connected, y CoreWeave patrocinó la cobertura de theCUBE. SiliconANGLE afirma que los patrocinadores no tienen control editorial.

Nuestro análisis

La alianza en sí sigue un esquema conocido: un proveedor de seguridad aporta los datos y una nube de GPU aporta la capacidad. Lo que destaca es el método de entrenamiento. Enfrentar modelos ofensivos contra modelos defensivos es una respuesta razonable a una tendencia real. Los modelos abiertos se están acercando a los sistemas punteros en la creación de exploits, y los defensores necesitan modelos que hayan visto de verdad esos ataques. La incógnita es si este enfoque aguanta fuera del laboratorio.

Conviene tener presentes dos matices. Primero, la entrevista no ofrece ninguna cifra sobre el rendimiento de SafeMind ni de los modelos defensivos. El dato de los 27 segundos explica la urgencia, no los resultados. Segundo, todo esto sale de una retransmisión patrocinada, así que se parece más a una presentación comercial que a una evaluación independiente.

Los comentarios de Higgins quizá sean lo más útil para la mayoría de los lectores. Su idea de que los atacantes encadenan debilidades corrientes encaja con un patrón visto en incidentes recientes, como el de los agentes de IA que filtraron capturas de pantalla de empresas por simples errores de configuración. Los modelos sofisticados no sustituyen a los parches.

Lo que habrá que seguir: si CrowdStrike publica resultados medibles de su Cyber Superintelligence Lab y cómo explica los límites que impone a sus propios modelos ofensivos. La frase de Richardson, "IA hasta que confías en ella", también plantea una prueba. La confianza dependerá probablemente de la transparencia sobre los fallos, no solo sobre los éxitos.