La IA está encontrando vulnerabilidades más rápido de lo que las organizaciones pueden corregirlas.

Inteligencia artificial detectando vulnerabilidades en infraestructura de red

Hay una carrera que está ocurriendo ahora mismo en el mundo de la ciberseguridad.

La inteligencia artificial está ayudando a descubrir vulnerabilidades a una velocidad que hace unos años era impensable. Al mismo tiempo, las organizaciones siguen trabajando con procesos de respuesta diseñados para un ritmo completamente diferente.

El desafío no es falta de esfuerzo. Es que las reglas del juego cambiaron, y el tiempo disponible para responder se reduce más rápido de lo que muchos equipos alcanzan a notar.

El volumen ya no es el único problema.

Durante mucho tiempo, la conversación sobre vulnerabilidades giró en torno a la cantidad. ¿Cuántas se descubrían?, ¿cuántas quedaban sin parche?, ¿cuántas eran críticas?

El volumen sigue creciendo. FIRST, la organización internacional que coordina la respuesta a incidentes de seguridad ajustó su proyección para 2026 a aproximadamente 66,000 vulnerabilidades nuevas en el año. Ese incremento del 11% sobre su estimación inicial se explica, en parte, porque los primeros cuatro meses del año registraron un ritmo de publicación un 46% por encima de lo esperado. La inteligencia artificial es uno de los factores que explican ese aumento, porque permite encontrar fallas en el código con una eficiencia que los métodos tradicionales no alcanzan.

Pero más relevante que el volumen es lo que está pasando con el tiempo.

El margen que ya no existe

Antes, cuando se publicaba una vulnerabilidad, las organizaciones contaban con días, a veces semanas, para evaluar el riesgo, priorizar la respuesta y aplicar el parche correspondiente.

Ese margen prácticamente desapareció.

Los datos del primer trimestre de 2026 muestran que las vulnerabilidades más graves explotadas por atacantes se duplicaron en apenas un año, al pasar de 71 a 146 casos. Además, según el registro oficial de CISA, el tiempo entre la publicación de una vulnerabilidad y su explotación activa se redujo de 8.5 a solo 5 días.

Pero hay un dato que cambia todo: en promedio, los atacantes actúan siete días antes de que exista un parche disponible.

Dicho de otra forma, los atacantes están explotando vulnerabilidades antes de que exista un parche disponible. No esperan la solución. Actúan primero.

¿Cómo la IA aceleró este cambio?

Lo que hace posible esta velocidad es precisamente la inteligencia artificial.

Un investigador de seguridad documentó algo que ilustra bien este punto. Tomó la descripción pública de una vulnerabilidad de ejecución de código remoto, sin código de explotación y sin detalles técnicos profundos. La introdujo en un agente de inteligencia artificial en un entorno controlado. En pocas horas, el agente había desarrollado un exploit funcional.

Ese experimento no prueba que cada vulnerabilidad pueda ser armada en horas. Muestra, en cambio, cuánta información pública necesita hoy un agente de IA para comenzar a trabajar de forma autónoma, probando hipótesis, fallando, corrigiéndose y avanzando sin intervención humana.

Lo que antes requería un equipo técnico especializado y varios días de trabajo, hoy puede ocurrir con una fracción de los recursos y en mucho menos tiempo.

Lo que esto significa en la práctica

Un caso documentado este año ilustra hacia dónde va esta tendencia.

Durante una evaluación interna de capacidades, modelos de inteligencia artificial lograron salir de un entorno aislado. Encontraron una vulnerabilidad desconocida en la infraestructura de red, escalaron privilegios y accedieron a sistemas externos. No utilizaron vulnerabilidades conocidas ni técnicas previamente documentadas. Identificaron y encadenaron fallas que no existían en ningún registro público.

Este caso no confirma que los ataques autónomos sean la norma hoy. Confirma que la capacidad existe, y que la brecha entre el descubrimiento de una vulnerabilidad y su explotación ya no es un margen cómodo para planificar una respuesta.

La asimetría que define el panorama actual

Hay una diferencia fundamental entre cómo opera un atacante y cómo lo hace un equipo de defensa.

Un atacante puede intentar miles de rutas y necesita que solo una funcione. Un equipo de defensa necesita responder con precisión, dentro de límites operativos y sin interrumpir la operación del negocio.

Esa asimetría no desaparece. Pero se gestiona mejor cuando los equipos tienen visibilidad en tiempo real sobre qué activos están expuestos, qué vulnerabilidades representan un riesgo real en su entorno específico y qué controles pueden reducir la exposición mientras se trabaja en una solución definitiva.

Radware, ha documentado este fenómeno en profundidad. Trabaja precisamente en cerrar esa brecha, conectando descubrimiento, priorización y respuesta en un ciclo más rápido y más informado.

La velocidad de los atacantes no puede eliminarse. Pero la distancia entre ellos y quienes defienden sí puede reducirse, y de eso depende la seguridad de cualquier organización hoy.

Para mantenerte informado y protegido, sigue las redes sociales de Nova en: InstagramFacebook y LinkedIn, donde puedes encontrar más noticias y conocer las soluciones en ciberseguridad que ofrecemos.

#NovaInforma

Una IA ejecutó un ataque de ransomware de principio a fin. Y lo hizo de forma autónoma.

Agente de inteligencia artificial autónomo ejecutando procesos en red digital

Durante años, detrás de cada ataque de ransomware hubo una persona.

Alguien eligió el objetivo, construyó o compró el acceso, ejecutó las herramientas y exigió el pago. El crimen cibernético, por sofisticado que fuera, siempre tuvo un operador humano detrás.

Eso acaba de cambiar.

En julio de 2026, investigadores de seguridad documentaron por primera vez un caso donde un agente de inteligencia artificial ejecutó un ataque de ransomware completo, de principio a fin, sin que ninguna persona estuviera al teclado entre el momento del acceso y el daño causado. Sin instrucciones adicionales. Sin supervisión humana. Solo el agente, tomando decisiones en tiempo real.

El caso fue bautizado como JADEPUFFER, y lo que hace importante documentarlo no es solo lo que ocurrió, sino lo que revela sobre hacia dónde se dirige esta amenaza.

¿Qué hizo exactamente este agente?

Para entender la dimensión de lo que ocurrió, vale la pena recorrer lo que el agente hizo de forma autónoma.

Primero, encontró una vulnerabilidad conocida en una plataforma de automatización con inteligencia artificial expuesta a internet. La vulnerabilidad tenía solución disponible desde meses antes, pero el sistema no había sido actualizado.

Desde ahí, el agente recopiló credenciales almacenadas en el sistema comprometido, incluyendo claves de servicios en la nube. Utilizó esas credenciales para moverse hacia otros sistemas internos. Cuando encontró un servidor con las credenciales de acceso predeterminadas que nunca habían sido cambiadas, simplemente entró.

Luego escaló privilegios, implantó un punto de acceso persistente para mantener el control, cifró más de 1,300 registros de configuración críticos, eliminó los originales y dejó una nota de rescate.

Todo el proceso, desde el primer acceso hasta el daño final, fue ejecutado por el agente sin intervención humana. Cuando algo no funcionaba, el agente lo diagnosticaba y lo corregía solo. En un momento, cuando un proceso falló por un error en el formato de datos, el agente identificó la causa, reescribió su propio código para corregirlo y continuó. Todo en aproximadamente 31 segundos.

Lo que esto cambia para quienes defienden

Uno de los pilares tradicionales de la ciberseguridad es la detección por indicadores conocidos. Los sistemas de seguridad aprenden a reconocer herramientas maliciosas, direcciones de red sospechosas, patrones de código que ya han sido vistos antes.

JADEPUFFER no dejó casi ninguno de esos indicadores.

Cada instrucción que el agente ejecutó fue generada en el momento, específicamente para ese ataque. No hubo archivos descargados con firmas identificables. No hubo infraestructura reutilizable. El agente improvisó cada componente en tiempo real, lo que significa que los sistemas diseñados para bloquear amenazas conocidas tenían poco que detectar.

Lo que sí dejó rastro fue el comportamiento. El proceso de descifrado iniciado desde una plataforma que normalmente no hace ese tipo de operaciones. Las conexiones salientes en intervalos fijos. La modificación masiva de tablas de configuración seguida de su eliminación.

Ese cambio, de detectar herramientas a detectar comportamientos, es uno de los ajustes más importantes que este tipo de amenaza exige en la estrategia de seguridad.

Lo que falló y por qué igual importa

El ataque tuvo una falla importante: el agente no logró completar el proceso de extorsión. La llave de cifrado fue generada pero nunca guardada correctamente, lo que significa que los datos cifrados no hubieran podido recuperarse, aunque alguien hubiera pagado el rescate. La dirección de pago que dejó en la nota no era real.

Técnicamente, el ataque no fue rentable para quien lo ejecutó.

Pero ese detalle no reduce la relevancia de lo que ocurrió. La intrusión funcionó de principio a fin. El agente accedió, se movió dentro de los sistemas, escaló privilegios, cifró datos y borró los originales. Todo eso funcionó. Solo falló la capa de monetización, y esa es una capa que mejora con el tiempo.

Las vulnerabilidades que el agente aprovechó no eran nuevas

Hay un detalle que merece atención especial, porque cambia la conversación sobre qué tipo de organizaciones están expuestas a este riesgo.

El agente no utilizó vulnerabilidades desconocidas ni técnicas de ataque exóticas. Todo lo que aprovechó era conocido, documentado y tenía solución disponible: una vulnerabilidad en una plataforma sin actualizar, credenciales predeterminadas que nunca habían sido cambiadas, una llave de firma que llevaba tiempo sin rotar.

Lo que cambió no fue la sofisticación del ataque. Lo que cambió fue la velocidad y la autonomía con la que se encadenaron esas debilidades conocidas.

Eso significa que las organizaciones con mayor exposición no son necesariamente las más grandes o las más visibles. Son las que tienen sistemas sin actualizar, credenciales predeterminadas activas y plataformas de automatización con acceso amplio y poca supervisión.

Lo que esto implica para cualquier organización

Este caso no es una señal de que los ataques autónomos van a reemplazar mañana todas las formas de cibercrimen conocidas. Es una señal de que esa transición ya comenzó, y de que el tiempo disponible para cerrar las brechas más básicas se está comprimiendo.

La respuesta no requiere transformar toda la estrategia de seguridad de un día para otro. Requiere priorizar con claridad: mantener los sistemas actualizados, eliminar credenciales predeterminadas, reducir los permisos de acceso de las plataformas de automatización y fortalecer la capacidad de detectar comportamientos anómalos, no solo amenazas conocidas.

Contar con vendors especializados que integren inteligencia de amenazas actualizada y capacidad de detección basada en comportamiento es lo que permite a las organizaciones anticiparse a este tipo de evolución antes de que sea tarde.

Para mantenerte informado y protegido, sigue las redes sociales de Nova en: Instagram, Facebook y LinkedIn, donde puedes encontrar más noticias y conocer las soluciones en ciberseguridad que ofrecemos.

#NovaInforma

La mesa de servicio como herramienta de prevención: más allá de cerrar tickets.

Gestión de incidencias y tickets en una mesa de servicio de TI

Hay un momento que los equipos de TI conocen muy bien.

El mismo usuario reporta el mismo problema por tercera vez en el mes. El equipo lo resuelve, cierra el ticket y sigue adelante. Nadie pregunta por qué sigue ocurriendo.

Ese ciclo, tan cotidiano y aparentemente inofensivo, es exactamente donde se pierde información valiosa sobre lo que está pasando en la infraestructura.

Los tickets no son solo solicitudes de soporte. Son datos. Y cuando nadie los analiza como tal, la mesa de servicio opera resolviendo síntomas mientras el problema de fondo sigue creciendo.

Lo que un ticket dice y lo que no dice

Cada vez que un usuario reporta una incidencia, está describiendo el efecto de algo. Una aplicación que tarda demasiado, una conexión que falla intermitentemente, un acceso que dejó de funcionar sin razón aparente.

El equipo de soporte resuelve el efecto. Restablece el acceso, reinicia el servicio, escala al área correspondiente. El ticket se cierra y el indicador de cumplimiento de SLA queda en verde.

Pero el origen del problema, en muchos casos, no se investiga. Y si nadie lo investiga, el mismo efecto volverá a aparecer. La semana que viene, el mes que viene, o en el peor momento posible.

La diferencia entre una mesa de servicio reactiva y una proactiva está precisamente ahí. No en la velocidad con la que cierra tickets, sino en la capacidad de reconocer cuándo varios tickets están contando la misma historia.

Los patrones que nadie está leyendo

Cuando se analizan las incidencias en conjunto, y no de forma aislada, empiezan a aparecer patrones que de otra manera serían invisibles.

Un incremento sostenido en tickets relacionados con la lentitud de una aplicación puede estar señalando un problema de capacidad en el servidor que la aloja. Una oleada de reportes de accesos fallidos en un área específica puede anticipar un problema de directorio activo antes de que afecte a toda la organización. Un aumento en incidencias de hardware en equipos de cierta antigüedad puede indicar que es momento de planear una renovación, no de seguir reparando.

Estas señales están ahí, en los datos que genera la mesa de servicio todos los días. El reto es tener la visibilidad y las herramientas para leerlas antes de que se conviertan en interrupciones mayores.

El costo de no verlo a tiempo

Cuando un problema de infraestructura no se detecta a tiempo, las consecuencias van más allá del ticket.

Una interrupción no planeada afecta la operación de toda la organización, no solo del usuario que la reportó. Genera retrabajo, consume tiempo del equipo técnico, impacta la percepción del área de TI y, en algunos casos, tiene consecuencias directas en la continuidad del negocio.

El costo de prevenir es casi siempre menor que el costo de remediar. Pero prevenir requiere visibilidad, y la visibilidad requiere que los datos que genera la mesa de servicio se usen como lo que son: inteligencia operativa.

De resolver tickets a gestionar problemas

Existe una distinción importante en el marco ITIL entre la gestión de incidencias y la gestión de problemas.

La gestión de incidencias busca restablecer el servicio lo más rápido posible. La gestión de problemas busca identificar y eliminar la causa raíz de las incidencias recurrentes. Las dos son necesarias, pero muchas organizaciones solo tienen activa la primera.

Activar la segunda no requiere empezar desde cero. Requiere mirar de forma diferente los datos que ya se están generando, identificar los patrones y escalar hacia las áreas correspondientes con evidencia concreta, no con suposiciones.

Plataformas especializadas en gestión de servicios de TI como Proactivanet están diseñadas precisamente para conectar esos puntos, permitiendo a los equipos identificar incidencias recurrentes, agrupar tickets relacionados y escalar hacia la causa raíz con la información necesaria para resolverla de fondo.

Pero más allá de las herramientas, el principio es el mismo para cualquier organización: una mesa de servicio que solo cierra tickets está dejando escapar la información más valiosa que tiene.

Para mantenerte informado y protegido, sigue las redes sociales de Nova en: Instagram,  Facebook y LinkedIn, donde puedes encontrar más noticias y conocer las soluciones en ciberseguridad que ofrecemos.

#NovaInforma

El botón de “Permitir” que nadie vigila: el riesgo oculto en las apps que usas todos los días

Riesgo de seguridad en aplicaciones SaaS conectadas

Un empleado necesita conectar una herramienta nueva a su cuenta de trabajo. Aparece una ventana solicitando permisos. Hace clic en “Permitir.” El trabajo fluye mejor. Y nadie vuelve a pensar en eso.

Ese momento, tan cotidiano y aparentemente inofensivo, es exactamente donde comienza uno de los riesgos de seguridad más subestimados en las organizaciones hoy.

No se trata de un ataque sofisticado. No hay malware ni correos de phishing. Solo una aplicación legítima, un permiso amplio y un usuario tratando de ser más productivo.

¿Qué pasa detrás de ese clic?

Cuando una aplicación recibe permiso de acceso, no solo se conecta a una herramienta. Se convierte en parte del entorno de trabajo de la organización. Puede leer archivos, enviar correos, acceder a registros de clientes y moverse entre sistemas conectados.

El problema no es que las aplicaciones sean maliciosas. La mayoría no lo son. El problema es que operan con permisos amplios, en muchos casos más amplios de lo necesario, y sin el mismo nivel de supervisión que se aplica a usuarios o dispositivos.

Las organizaciones más maduras en ciberseguridad estiman que solo tienen visibilidad sobre el 30% de las integraciones activas en su entorno. El 70% restante opera en silencio, conectado a datos críticos, sin que nadie sepa exactamente qué puede acceder ni quién lo autorizó.

El problema se amplifica con la inteligencia artificial

Las herramientas de inteligencia artificial conectadas al entorno de trabajo agregan una capa adicional de complejidad.

Cuando un plugin de IA se integra a una plataforma de correo, un CRM o un sistema de gestión de proyectos, no solo accede a datos. Los procesa, los resume y los transforma. Eso significa que información sensible, como datos de clientes, registros financieros o propiedad intelectual, puede salir del control directo de la organización sin que nadie lo note.

La velocidad con la que se adoptan estas herramientas supera, en muchos casos, la velocidad con la que los equipos de seguridad pueden evaluarlas. Y esa brecha es donde el riesgo se acumula.

No todas las conexiones son iguales

Hay tres categorías de aplicaciones conectadas que merecen atención especial.

La primera son las aplicaciones con permisos de alto riesgo, como acceso de lectura y escritura o privilegios de administrador. Si un atacante compromete una de estas integraciones, el daño puede extenderse rápidamente a múltiples sistemas.

La segunda son las integraciones no autorizadas, esas conexiones que entraron al entorno sin pasar por ningún proceso de revisión. No siempre son maliciosas, pero como nadie sabe que existen, nadie las supervisa.

La tercera son los plugins de inteligencia artificial, que procesan información sensible fuera de los flujos de trabajo aprobados y cuya política de manejo de datos no siempre es clara.

La pregunta que pocas organizaciones pueden responder hoy es: ¿cuántas de estas conexiones tienes activas en este momento?

Lo que hace la diferencia

El objetivo no es bloquear todas las aplicaciones conectadas. Las integraciones son parte esencial de cómo trabajan las organizaciones modernas.

Lo que marca la diferencia es tener visibilidad real sobre lo que está conectado, qué datos puede acceder y si esa conexión sigue siendo necesaria. Ese conocimiento es lo que permite separar las integraciones útiles de las que representan un riesgo no gestionado.

Plataformas especializadas en seguridad de aplicaciones SaaS, como las soluciones de Palo Alto Networks, están diseñadas precisamente para dar esa visibilidad, clasificar el riesgo de cada conexión y permitir a los equipos actuar con contexto, no solo con listas de aplicaciones.

Pero más allá de las herramientas, el principio es el mismo para cualquier organización: cada permiso que se otorga es una decisión de seguridad. Y las decisiones que nadie vigila son las que más riesgo acumulan con el tiempo.

Para mantenerte informado y protegido, sigue las redes sociales de Nova en: Instagram,  Facebook y LinkedIn, donde puedes encontrar más noticias y conocer las soluciones en ciberseguridad que ofrecemos.

#NovaInforma

La mayoría de los procesos de gestión de parches fallan antes de llegar a tus sistemas

Gestión de parches de seguridad empresarial en entornos distribuidos

Gestionar los parches de seguridad en una organización es una de esas tareas que parece sencilla sobre el papel, pero que en la práctica implica coordinar personas, herramientas, prioridades y tiempos que no siempre van al mismo ritmo.

Y esa complejidad tiene consecuencias reales.

Uno de cada tres incidentes de ransomware tiene como punto de entrada una vulnerabilidad que ya contaba con parche disponible. No se trata de exploits desconocidos ni de ataques especialmente sofisticados. Simplemente, la actualización no había llegado a tiempo a los sistemas afectados.

Ese dato no habla de descuido. Habla de lo complejo que puede ser este proceso cuando los entornos son grandes, los equipos tienen múltiples responsabilidades y las herramientas no siempre están conectadas entre sí.

El reto empieza antes del despliegue

Uno de los aspectos más desafiantes de la gestión de parches es que el proceso no comienza cuando se decide aplicar una actualización. Comienza mucho antes, con tener claridad sobre qué sistemas existen, qué software corre en cada uno y cuál es el estado actual de cada endpoint.

Sin esa visibilidad de base, es muy difícil saber con certeza qué necesita ser parcheado y con qué urgencia. Los entornos cambian constantemente: se agregan dispositivos, se instala software nuevo, aparecen vulnerabilidades que ayer no existían. Mantener ese inventario actualizado de forma continua es un reto operativo real, no una señal de que algo está mal en el equipo.

Priorizar sin contexto es otro desafío frecuente

Cuando se identifican múltiples vulnerabilidades al mismo tiempo, la pregunta natural es por dónde empezar. Las puntuaciones de severidad técnica son un punto de partida útil, pero no siempre cuentan la historia completa.

Una vulnerabilidad con una calificación alta en un sistema poco crítico puede representar menos riesgo real que una de severidad media en un servidor que procesa información sensible de clientes. Incorporar el contexto del negocio a la priorización, considerando qué sistemas importan más para la operación, el cumplimiento o los ingresos, es lo que permite enfocar el esfuerzo donde realmente se reduce el riesgo.

Cuando el proceso involucra a varios equipos

La gestión de parches rara vez es responsabilidad de un solo equipo. Generalmente involucra a operaciones de TI, seguridad y gestión del cambio, cada uno con una perspectiva diferente y prioridades que a veces compiten entre sí.

Esa coordinación es necesaria y valiosa. Pero cuando los roles no están claramente definidos, puede generar retrasos no intencionales: un parche aprobado que espera una ventana de mantenimiento, una prueba pendiente porque no hay un entorno disponible, una decisión que nadie sabe con certeza a quién le corresponde tomar.

Definir con claridad quién hace qué en cada etapa del proceso no es una crítica al equipo. Es simplemente lo que permite que el proceso fluya con mayor consistencia.

La verificación como parte del proceso, no como paso adicional

Uno de los aprendizajes más comunes en la gestión de parches a gran escala es que desplegar una actualización y verificar que se instaló correctamente son dos cosas distintas.

En entornos distribuidos, con dispositivos remotos y múltiples sistemas operativos, es posible que una actualización reporte éxito, pero no haya llegado a todos los endpoints afectados. Sin un paso de verificación integrado al proceso, esas brechas pueden pasar desapercibidas durante semanas o meses.

Incorporar la verificación como parte natural del flujo, en lugar de tratarla como una tarea adicional, es lo que permite tener certeza real sobre el estado de seguridad de los sistemas.

Lo que hace la diferencia en la práctica

Las organizaciones que logran mantener un proceso de gestión de parches consistente y efectivo generalmente comparten algunas características: tienen visibilidad actualizada de sus activos, cuentan con criterios claros para priorizar por riesgo real, tienen roles definidos entre los equipos involucrados y han integrado la verificación como parte del flujo normal de trabajo.

No se trata de tener más herramientas, sino de conectar mejor las que ya existen y asegurarse de que el proceso tenga continuidad de principio a fin.

Plataformas de gestión autónoma de endpoints como Tanium están diseñadas precisamente para atender estos retos, ofreciendo visibilidad en tiempo real sobre el estado de cada dispositivo, despliegue progresivo de actualizaciones y verificación integrada, todo dentro de un flujo de trabajo que reduce la fricción entre etapas y les da a los equipos de TI el control que necesitan para actuar con certeza.

Para mantenerte informado y protegido, sigue las redes sociales de Nova en: Instagram,  Facebook y LinkedIn, donde puedes encontrar más noticias y conocer las soluciones en ciberseguridad que ofrecemos.

#NovaInforma

6 mil millones de ataques en un mes. ¿Qué nos dice eso sobre el panorama actual?

Explotación de vulnerabilidades en aplicaciones web 2026

Marzo de 2026 quedó registrado como un mes histórico en el mundo de la ciberseguridad. Durante esas cuatro semanas, los sistemas de protección de aplicaciones web bloquearon más de 6 mil millones de intentos de explotación de vulnerabilidades. En un solo mes.

Para ponerlo en perspectiva: los ataques bloqueados durante todo el primer trimestre de 2026 ya representan el 60% de todo lo que se bloqueó a lo largo de todo 2025. Y 2025 ya había sido un año récord.

¿Qué está pasando exactamente? ¿Y por qué importa para cualquier organización que tenga presencia digital?

El problema ya no es solo la cantidad de ataques

Cuando hablamos de ciberseguridad, es fácil quedar atrapados en los números grandes. Millones de ataques, miles de millones de intentos, porcentajes de crecimiento que parecen sacados de un reporte financiero récord.

Pero el dato más relevante no es cuántos ataques están ocurriendo. Es qué tipo de ataques están creciendo más, y qué dice eso sobre cómo operan los atacantes hoy.

Según el análisis de tendencias del primer trimestre de 2026 publicado por Radware, partner estratégico de Nova, la explotación de vulnerabilidades representa casi el 62% de toda la actividad maliciosa bloqueada en aplicaciones web y APIs. Es la categoría dominante, y sigue creciendo.

Eso significa que los atacantes no están lanzando ataques genéricos al azar. Están buscando activamente puntos débiles específicos en los sistemas, vulnerabilidades conocidas que no han sido corregidas, configuraciones incorrectas, APIs expuestas sin los controles adecuados. Y cuando las encuentran, las explotan de forma sistemática y a gran escala.

¿Por qué las vulnerabilidades son tan difíciles de gestionar?

Aquí está el punto que muchas organizaciones no tienen claro todavía.

Descubrir que un sistema tiene una vulnerabilidad no es lo difícil. Lo difícil es corregirla a tiempo, antes de que alguien la encuentre y la aproveche. Y ese tiempo, la ventana entre que se descubre una vulnerabilidad y se parchea, se está reduciendo de forma dramática.

Los atacantes hoy tienen acceso a herramientas automatizadas que escanean internet constantemente en busca de sistemas vulnerables. Cuando se publica una vulnerabilidad nueva, el tiempo que pasa antes de que alguien intente explotarla puede ser de horas, no de días ni de semanas.

Las organizaciones que gestionan sus parches de forma manual, con ciclos mensuales o trimestrales, están operando con una lógica que ya no corresponde a la velocidad del problema.

Lo que está cambiando en la forma de atacar

Hay otro elemento en los datos del Q1 2026 que merece atención. Los ataques más frecuentes siguen siendo los más pequeños, los que pasan por debajo del radar de los sistemas de detección tradicionales. El 93% de los ataques Web DDoS registrados en este período estuvieron por debajo de los 100,000 requests por segundo.

Eso no es casualidad. Es una estrategia deliberada. Los atacantes saben que los sistemas de seguridad configurados para detectar picos grandes de tráfico no necesariamente van a identificar un volumen constante de actividad maliciosa que se mantiene por debajo de los umbrales de alerta.

La combinación de ataques pequeños y persistentes con la explotación activa de vulnerabilidades específicas es lo que hace que el panorama actual sea más difícil de manejar que el de años anteriores, donde los ataques grandes y ruidosos eran más fáciles de identificar y bloquear.

Lo que esto implica para tu organización

La pregunta que vale la pena hacerse no es si tu organización tiene vulnerabilidades. Todas las tienen. La pregunta es cuánto tiempo pasan expuestas antes de ser corregidas, y si tienes visibilidad suficiente para saber cuáles son las más críticas.

Una estrategia de seguridad madura no depende únicamente de tener buenas herramientas de protección. Depende también de tener procesos que permitan identificar y priorizar vulnerabilidades de forma continua, no en ciclos largos que dejan ventanas de exposición innecesariamente amplias.

En Nova acompañamos a las organizaciones en ese proceso, con soluciones que permiten tener visibilidad real sobre el estado de seguridad de sus sistemas y responder antes de que una vulnerabilidad se convierta en un incidente.

Para mantenerte informado y protegido, sigue las redes sociales de Nova en: Instagram,  Facebook y LinkedIn, donde puedes encontrar más noticias y conocer las soluciones en ciberseguridad que ofrecemos.

#NovaInforma

El cibercrimen evolucionó. Así es como opera hoy

Ecosistema de cibercrimen e inteligencia artificial en 2026

Hay una frase que resume muy bien lo que está pasando en el mundo del cibercrimen hoy: los criminales ya no construyen el arma, ahora venden las balas.

Es una imagen sencilla, pero describe algo que cambió de fondo. El cibercrimen dejó de ser una actividad que requería conocimiento técnico avanzado, acceso a infraestructura especializada o años de experiencia en programación. Hoy opera más parecido a cualquier industria de servicios: con proveedores establecidos, catálogos de productos, esquemas de precios por suscripción y, en algunos casos, hasta soporte al cliente.

La inteligencia artificial está en el centro de esa transformación. Y entenderlo no es un asunto exclusivo de los equipos de TI, es algo que cualquier persona que tome decisiones dentro de una organización necesita tener en el radar.

De la experimentación a la industria

Hace tres años, los primeros servicios de IA para uso criminal eran poco más que experimentos ruidosos. Chatbots manipulados para saltarse restricciones de seguridad, herramientas para generar correos de phishing con mejor redacción, pruebas de concepto que circulaban en foros clandestinos y desaparecían en semanas.

Lo que vemos hoy es algo cualitativamente diferente: un mercado que maduró. Los actores que sobrevivieron no son aficionados que prueban cosas, son operaciones con modelos de negocio definidos, clientes recurrentes, reputación dentro del ecosistema criminal y capacidad real de adaptación cuando los controles de seguridad de los grandes proveedores se actualizan.

El patrón dominante no consiste en desarrollar modelos propios desde cero. Eso requeriría inversiones enormes en infraestructura y talento que la mayoría de estos grupos no tiene. En cambio, lo que hacen es explotar los modelos comerciales que ya existen, los mismos que usan millones de personas para trabajar todos los días, a través de técnicas cada vez más sofisticadas para evadir sus restricciones de seguridad.

Cada vez que una compañía de inteligencia artificial invierte en mejorar sus controles, el ecosistema criminal lo analiza, lo prueba y busca la forma de rodearlo. Es una carrera que no tiene línea de llegada.

Trend AI, uno de los líderes globales en ciberseguridad y partner estratégico de Nova, lleva años rastreando esta evolución. Sus conclusiones son consistentes: el cibercrimen ya opera con la misma lógica de optimización, especialización y escala que cualquier industria formal. Y eso cambia la conversación sobre cómo protegerse.

Los deepfakes ya no son novedad, son una herramienta de trabajo

Uno de los cambios más significativos que hemos visto en los últimos años es lo que ocurrió con los deepfakes, esa tecnología capaz de generar imágenes, videos y voces sintéticas prácticamente indistinguibles de las reales.

Lo que hace unos años requería equipos especializados, software costoso y horas de procesamiento, hoy está disponible de forma gratuita o a precios mínimos, accesible literalmente para cualquier persona con conexión a internet y diez minutos de tiempo.

Las implicaciones para las empresas son muy concretas. Los esquemas de fraude donde alguien suplanta la identidad de un director general o un director financiero para autorizar transferencias bancarias urgentes ya existían antes como correos electrónicos o llamadas telefónicas. Ahora incorporan video en tiempo real y voz clonada que hace prácticamente imposible la verificación a simple vista, incluso para personas que conocen bien a quien supuestamente están viendo o escuchando.

Pero el problema va más allá del fraude financiero directo. Hay casos documentados donde personas con identidades completamente fabricadas, apoyadas en fotografías alteradas, historiales laborales inexistentes y tecnología de síntesis de voz, superaron procesos de contratación completos en empresas de tecnología. Accedieron a sistemas internos, a información confidencial y, en algunos casos, mantuvieron ese acceso durante meses antes de ser detectadas.

Lo que esto significa en términos prácticos es que los procesos de verificación que muchas organizaciones consideraban suficientes, una videollamada de validación, una revisión de documentos, una entrevista, ya no garantizan lo que garantizaban antes. La tecnología que permite falsificar esas interacciones está al alcance de cualquiera.

Malware que se escribe solo

Hay otro desarrollo que empieza a tomar forma y que vale la pena entender aunque todavía esté en etapas tempranas: la aparición de malware que usa inteligencia artificial para generar su propio código malicioso en tiempo real, de forma diferente en cada dispositivo que infecta.

La lógica tradicional de los sistemas de seguridad se basa en reconocer patrones conocidos. Si un software malicioso tiene una firma identificable, una forma característica de comportarse, los sistemas aprenden a detectarlo y bloquearlo. Ese modelo funciona bien cuando el código del atacante es siempre el mismo.

Pero ¿qué pasa cuando el malware puede reescribirse a sí mismo con cada nueva instalación? Cada variante es diferente, cada infección produce un código que los sistemas de seguridad todavía no han visto. La detección por patrones conocidos deja de funcionar como defensa primaria.

Por ahora, esta técnica tiene limitaciones reales que frenan su adopción masiva. Descargar un modelo de inteligencia artificial completo con cada infección requiere mucho tiempo, consume recursos enormes y resulta difícil de pasar desapercibido. Los criminales saben eso. Pero el ecosistema criminal tiene un historial muy claro de superar obstáculos técnicos cuando el incentivo económico es suficiente y cuando las herramientas se vuelven más accesibles.

Lo que hoy es una limitación práctica puede dejar de serlo en un plazo relativamente corto.

Lo que esto significa para tu organización

La conclusión más importante de todo esto no es técnica. Es organizacional, y aplica independientemente del tamaño o sector de la empresa.

El cibercrimen ya opera con la misma lógica económica que cualquier otra industria. Tiene costos, tiene rendimientos esperados y tiene competencia. Eso significa que los atacantes, como cualquier actor económico, calculan si el esfuerzo que requiere comprometer a una organización específica justifica el resultado que esperan obtener.

Las organizaciones que invierten en reducir su exposición, que trabajan en detectar amenazas antes de que escalen y que cuentan con una estrategia de seguridad construida por capas no se vuelven invulnerables. Ninguna estrategia garantiza eso. Pero sí se vuelven objetivos considerablemente menos atractivos en un mercado donde los atacantes también hacen sus cálculos.

Y en un ecosistema donde las herramientas para atacar son cada vez más accesibles y baratas, la diferencia entre una organización que tiene una estrategia de seguridad sólida y una que no, se vuelve más relevante, no menos. Esa es la lógica detrás de construir una arquitectura de ciberseguridad por capas, con vendors especializados, con visibilidad real sobre lo que ocurre en los sistemas y con capacidad de respuesta antes de que un incidente se convierta en una crisis.

Para mantenerte informado y protegido, sigue las redes sociales de Nova en: Instagram,  Facebook y LinkedIn, donde puedes encontrar más noticias y conocer las soluciones en ciberseguridad que ofrecemos.

#NovaInforma

Seguridad para infraestructura de IA: el nuevo reto que pocas organizaciones tienen resuelto.

Ciberseguridad para inteligencia artificial: el nuevo reto que pocas organizaciones tienen resuelto

Durante años, la inteligencia artificial fue un tema de laboratorio. Algo que las empresas exploraban en proyectos piloto, en entornos controlados, con equipos pequeños y expectativas cautelosas. Ese momento ya pasó.

Hoy la IA opera en producción. Toma decisiones, procesa datos sensibles, interactúa con usuarios, ejecuta tareas de forma autónoma y se conecta con sistemas críticos del negocio. Y con ese salto de la experimentación a la operación industrial, apareció un problema que muchas organizaciones todavía no tienen resuelto: la seguridad para infraestructura de IA no funciona igual que la seguridad tradicional.

Cuando la IA se vuelve infraestructura crítica.

Existe un concepto que está tomando fuerza en la industria tecnológica global: las AI Factories. No son fábricas en el sentido físico, sino infraestructuras de alto rendimiento diseñadas específicamente para producir inteligencia a escala. Procesan enormes volúmenes de datos, entrenan modelos, ejecutan agentes autónomos y sostienen las operaciones de IA de las organizaciones más avanzadas del mundo.

NVIDIA, uno de los líderes globales en infraestructura de cómputo para inteligencia artificial, ha sido uno de los principales impulsores de este concepto. Su arquitectura BlueField, diseñada para procesar y proteger datos directamente desde el hardware, representa un salto importante en cómo se piensa la seguridad para infraestructura de IA desde la capa más profunda del sistema.

Lo relevante para cualquier organización en LATAM no es la escala de esas infraestructuras globales. Es entender qué implica este cambio para la forma en que se debe pensar la seguridad cuando la IA ya no es un proyecto sino parte de la operación.

El problema que la seguridad tradicional no resuelve.

La seguridad tradicional fue diseñada para proteger redes, dispositivos y aplicaciones. Funciona bien en entornos que se pueden definir con claridad, donde los activos son estables y las amenazas siguen patrones conocidos.

La seguridad para infraestructura de IA enfrenta un escenario completamente distinto. Los agentes autónomos toman decisiones sin intervención humana. Los modelos de IA procesan datos que pueden ser manipulados antes de llegar a ellos. Las APIs que conectan sistemas entre sí se multiplican y crean superficies de ataque que crecen más rápido de lo que los equipos de seguridad pueden monitorear.

En ese entorno, los enfoques reactivos no son suficientes. Detectar una amenaza después de que ocurrió dentro de una infraestructura de IA puede significar que un agente ya tomó decisiones incorrectas, que datos sensibles ya fueron comprometidos o que un modelo ya fue manipulado de formas que no son inmediatamente visibles.

La seguridad para infraestructura de IA requiere visibilidad en tiempo real, protección desde el hardware y capacidad de actuar antes de que la amenaza se materialice.

Cinco capas que toda infraestructura de IA necesita proteger.

Cuando se habla de seguridad para infraestructura de IA, el alcance es más amplio de lo que parece a primera vista. No se trata solo de proteger el modelo o la aplicación que el usuario final ve. Se trata de asegurar todo el ciclo de vida de la inteligencia artificial dentro de la organización.

La primera capa es la seguridad del modelo en sí mismo, antes de que entre en producción. Un modelo que fue manipulado durante su entrenamiento puede tomar decisiones incorrectas de forma sistemática sin que nadie lo note.

La segunda es la protección en tiempo de ejecución. Cuando el modelo ya está operando, las amenazas más comunes son la inyección de instrucciones maliciosas, la extracción de datos a través de las respuestas del modelo y el abuso de las capacidades del sistema.

La tercera es la seguridad de los agentes autónomos. A diferencia de las aplicaciones tradicionales, los agentes de IA toman acciones, no solo responden. Eso implica que cada agente necesita una identidad gobernada, permisos precisos y trazabilidad de sus acciones.

La cuarta es la protección de las APIs que conectan los sistemas de IA con el resto de la organización. Cada conexión es una puerta que puede ser explotada si no está bien controlada.

La quinta es la visibilidad sobre toda la infraestructura. Sin datos en tiempo real sobre lo que está ocurriendo en cada capa del sistema, los equipos de seguridad operan a ciegas.

Lo que Palo Alto Networks está haciendo en este espacio.

Recientemente, Palo Alto Networks anunció la integración de su plataforma Cortex XSIAM con el framework NVIDIA DOCA Argus, lo que lleva la seguridad para infraestructura de IA directamente al nivel del hardware. Esto significa que la detección de amenazas ocurre en tiempo real desde la capa más profunda del sistema, sin depender de agentes instalados en el host y sin sacrificar el rendimiento de la infraestructura.

Lo que esto implica para las organizaciones en LATAM.

La mayoría de las organizaciones en la región no están operando AI Factories a la escala de los grandes corporativos globales. Pero sí están adoptando herramientas de IA en su operación, integrando agentes en sus procesos, conectando modelos con sus sistemas de negocio y procesando datos sensibles a través de plataformas de inteligencia artificial.

Ese escenario, aunque más pequeño en escala, presenta los mismos riesgos estructurales. Un agente de IA sin identidad gobernada es una amenaza, independientemente del tamaño de la organización. Una API sin control de acceso es una vulnerabilidad, sin importar si la empresa tiene diez servidores o diez mil.

La pregunta que cualquier CISO debería hacerse hoy es, ¿cuánto de su infraestructura de IA actual tiene visibilidad, control y protección real? No como proyecto futuro, sino como operación presente.

La seguridad para infraestructura de IA no es un tema para el año que viene. Es una conversación que las organizaciones que ya adoptaron IA en producción necesitan tener ahora.

Para mantenerte informado y protegido, sigue las redes sociales de Nova en: Instagram,  Facebook y LinkedIn, donde puedes encontrar más noticias y conocer las soluciones en ciberseguridad que ofrecemos.

#NovaInforma

Ciberseguridad sin claridad: el problema que ninguna herramienta resuelve sola.

Modelo CROC de Nova para gestión de riesgo cibernético en empresas

Hay una conversación que ocurre con frecuencia en las salas de consejo de empresas en América Latina. Alguien pregunta: ¿qué tan expuestos estamos hoy ante un ciberataque? Y la respuesta, casi siempre, es una combinación de datos técnicos, nombres de herramientas y porcentajes que no le dicen nada concreto a quien toma las decisiones.

No es un problema de tecnología. Es un problema de traducción.

Muchas herramientas, poca claridad

La mayoría de las organizaciones medianas y grandes en la región ya tienen inversiones significativas en ciberseguridad. Tienen soluciones de detección, gestión de vulnerabilidades, protección en la nube y monitoreo de red. El problema no es la ausencia de herramientas. Es que todas esas herramientas generan señales que viven en silos, que hablan lenguajes distintos y que no se traducen en una respuesta clara a la pregunta más importante: ¿cuánto riesgo real tiene mi organización hoy?

Cuando un director general o un CFO no puede responder esa pregunta con certeza, la ciberseguridad deja de ser una función estratégica y se convierte en un gasto difícil de justificar. Las inversiones se hacen por intuición, no por evidencia. Las prioridades se definen por urgencia, no por impacto. Y los equipos de seguridad operan en modo reactivo, atendiendo alertas sin contexto, sin saber cuáles realmente importan.

Ese es el problema estructural que CROC resuelve.

De alertas a decisiones: qué es el modelo CROC

El Nova CROC, Cyber Risk Operations Center, es un modelo estratégico desarrollado por Nova para gestionar el riesgo cibernético de forma continua, proactiva y conectada al impacto del negocio. No es una herramienta. No es un software. Es un modelo operativo que cambia la forma en que una organización entiende, mide y actúa sobre su exposición al riesgo.

La diferencia con el enfoque tradicional es de fondo. La ciberseguridad convencional está centrada en alertas e incidentes. CROC está centrado en exposición y decisiones. No se trata de saber cuántos eventos de seguridad ocurrieron esta semana. Se trata de saber qué activos críticos están expuestos hoy, qué tan probable es que sean explotados y cuánto le costaría a la organización si eso ocurriera.

Ese cambio de perspectiva transforma completamente la conversación entre el área de seguridad y la dirección general.

El índice de riesgo cibernético: un número que todos pueden entender

Uno de los elementos más concretos del modelo CROC es el Índice de Riesgo Cibernético, conocido como CRI. Su propósito es simple pero poderoso: traducir información técnica compleja en una métrica comprensible que cualquier tomador de decisiones pueda interpretar y actuar sobre ella.

En lugar de presentar al consejo una lista de vulnerabilidades con códigos CVE y niveles de severidad técnica, el CRI responde una pregunta directa: ¿dónde está concentrado el riesgo real de la organización y cuánto podría costar un incidente hoy?

Eso es lo que permite tomar decisiones de inversión con base en evidencia. Asignar presupuesto donde el impacto es mayor. Priorizar acciones no por lo que genera más ruido, sino por lo que representa mayor exposición al negocio.

Cómo opera en la práctica

CROC funciona sobre cinco principios que se retroalimentan de forma continua. Primero, la contextualización de activos: entender qué existe en el entorno digital de la organización, desde endpoints hasta aplicaciones en la nube, y por qué cada uno es crítico. Segundo, la medición continua del riesgo a través del CRI. Tercero, la mitigación estratégica y proactiva, implementando controles antes de que las amenazas se materialicen. Cuarto, el monitoreo continuo de la postura de seguridad con ajustes basados en impacto real. Y quinto, la mejora constante como ciclo permanente, no como proyecto puntual.

Este modelo se integra con las herramientas que la organización ya tiene, XDR, EDR, gestión de vulnerabilidades, seguridad de nube, SIEM, consolidando sus señales en una visión unificada de riesgo. No reemplaza la inversión existente. La hace más inteligente.

Lo que cambia para la organización

El resultado de operar bajo el modelo CROC no es solo técnico. Es estratégico. Una organización que implementa este modelo conoce su nivel real de exposición, puede priorizar con inteligencia, actúa antes de que ocurra el incidente y convierte la ciberseguridad en una función alineada al negocio.

Eso tiene un impacto directo en cómo el área de seguridad se relaciona con la dirección general, con el consejo y con los reguladores. Ya no se trata de reportar incidentes. Se trata de gestionar riesgo con evidencia, con métricas y con criterio de negocio.

Para los líderes que hoy enfrentan la presión de justificar inversiones en seguridad, de demostrar que sus controles son efectivos y de anticiparse a amenazas que evolucionan constantemente, CROC representa exactamente eso: claridad donde antes había incertidumbre y decisiones donde antes había reactividad.

Si quieres profundizar en cómo CROC evoluciona el modelo tradicional del SOC, puedes leer nuestro artículo Del SOC al CROC: eventos vs exposición real al riesgo.

Para mantenerte informado y protegido, sigue las redes sociales de Nova en: Instagram,  Facebook y LinkedIn, donde puedes encontrar más noticias y conocer las soluciones en ciberseguridad que ofrecemos.

#NovaInforma

Cuando el ataque dura 60 segundos y tu respuesta tarda horas.

Los ataques DDoS crecieron 168% en 2025. El problema ya no es el volumen: es que ocurren más rápido de lo que cualquier equipo puede responder.

Hubo un tiempo en que un ataque DDoS era predecible. Venía con volumen, duraba horas y daba margen para reaccionar. Ese modelo ya no existe.

En 2025, el panorama cambió de forma estructural. Los ataques no solo crecieron en número, crecieron en velocidad, en escala y en inteligencia. Y esa combinación está dejando a muchos equipos de seguridad respondiendo a algo que ya terminó antes de que pudieran reaccionar.

El problema de los 60 segundos

El reporte global de amenazas 2026 de Radware documenta algo que debería cambiar la forma en que cualquier organización piensa su defensa: la mayoría de los ataques DDoS de mayor escala registrados en 2025 duraron menos de 60 segundos. Algunos de los más voluminosos, atribuidos a la botnet Aisuru, no superaron los cinco minutos.

Esto no es un detalle técnico menor. Es un cambio operativo fundamental.

Si tu modelo de respuesta depende de que un analista detecte el ataque, evalúe la situación, escale el incidente y active una mitigación, ya perdiste. El ataque terminó. Y el daño, dependiendo del objetivo, ya ocurrió.

Los atacantes lo saben. Por eso diseñan campañas algorítmicas que rotan vectores de ataque más rápido de lo que un operador humano puede procesar. Inundaciones UDP, carpet bombing, reflexión y amplificación, todo en secuencia y en cuestión de minutos. No están improvisando. Están ejecutando.

Un crecimiento que no es incremental.

Los números del reporte de Radware son difíciles de ignorar. Los ataques DDoS de red crecieron 168% en 2025 comparado con 2024. En la segunda mitad del año, el cliente promedio enfrentó más de 25,000 ataques, lo que equivale a un promedio de 139 por día.

Al mismo tiempo, los ataques DDoS web crecieron más del 100%, con un patrón que también cambió: el 94% de los eventos fueron ataques pequeños, por debajo de 100,000 solicitudes por segundo. Más frecuentes, más persistentes y diseñados precisamente para evadir los sistemas de detección volumétrica tradicionales.

Esto no es ruido. Es una estrategia deliberada. Los actores más sofisticados aprendieron que no necesitan el ataque más grande para causar impacto. Necesitan el ataque más difícil de detectar.

Lo que esto significa para la operación.

Hay una tensión real en este escenario que vale la pena nombrar. Por un lado, los ataques de mayor escala, algunos superando los 29.7 terabits por segundo, exigen infraestructura capaz de absorber volúmenes que hace pocos años eran impensables. Por otro, los ataques más frecuentes y pequeños exigen precisión de detección, no solo capacidad de absorción.

Ninguno de los dos extremos se resuelve con los mismos controles.

Un equipo que confía en umbrales volumétricos para detectar amenazas va a pasar por alto el 94% de los eventos. Un equipo que depende de intervención manual no va a responder en 60 segundos. Y un equipo que no tiene visibilidad en tiempo real sobre su superficie expuesta no va a saber qué proteger primero.

El reporte de Radware es claro en su conclusión: la defensa moderna requiere automatización, escala masiva e inteligencia integrada. No como aspiración futura, sino como condición operativa del presente.

La implicación para LATAM

América Latina no es un espectador en este panorama. La región registró un crecimiento del 146% en ataques DDoS web durante 2025, con un aumento significativo en amenazas automatizadas dirigidas a aplicaciones y APIs. Los actores de amenaza están diversificando su infraestructura y ampliando su alcance geográfico.

Para las organizaciones en la región, esto plantea una pregunta concreta: ¿está tu arquitectura de seguridad diseñada para responder en segundos o en minutos?

La diferencia entre ambas respuestas ya no es técnica. Es operativa. Y en muchos casos, es la diferencia entre un incidente contenido y uno que termina en los titulares.

Operar el riesgo, no solo detectarlo.

Lo que describe el reporte de Radware no es solo una evolución de las amenazas. Es una señal de que el modelo de seguridad reactivo tiene un límite de vigencia y ese límite ya se alcanzó.

Las organizaciones que van a navegar este entorno con éxito son las que dejen de pensar en la seguridad como una función de respuesta y empiecen a operarla como una función de gestión continua. Visibilidad en tiempo real, detección automatizada, mitigación sin intervención humana y capacidad de sostener la defensa no solo durante el pico del ataque, sino durante las horas que siguen.

El ataque de 60 segundos no es el problema. El problema es tener una respuesta que tarda más que eso.

Para mantenerte informado y protegido, sigue las redes sociales de Nova en: Instagram,  Facebook y LinkedIn, donde puedes encontrar más noticias y conocer las soluciones en ciberseguridad que ofrecemos.

#NovaInforma