Resumen ejecutivo: La IA ha potenciado enormemente la suplantación de marca, y en el segundo trimestre de 2024 casi la mitad de todos los correos electrónicos procesados contenían intentos de spoofing o phishing, de los cuales el 40% fueron generados por IA. La escala, velocidad y sofisticación de estos ataques están abrumando a los equipos de seguridad, agotando recursos en falsos positivos y dejando amenazas críticas sin detectar. Los consumidores no perdonan cuando se quiebra la confianza: la mayoría responsabilizará a la marca, no al atacante. Defenderse de esta ola requiere una protección igualmente avanzada e impulsada por IA que pueda descubrir cada uso indebido de los activos de marca, priorizar amenazas a velocidad de máquina y adaptarse continuamente a los métodos de ataque en evolución.
3 conclusiones clave
- La IA es ahora un arma fundamental para los atacantes – La suplantación de marca aumentó un 20% interanual, con kits de phishing como Morphing Meerkat que ofrecen plantillas listas para usar de cientos de marcas reconocidas.
- El costo de la pérdida de confianza es enorme – El 75% de los consumidores romperá lazos con una marca tras un incidente cibernético, y la mayoría culpará a la empresa por no proteger sus datos, no al atacante.
- Combatir la IA con IA es esencial – Una defensa eficaz requiere herramientas de IA capaces de escanear toda la superficie de ataque, detectar deepfakes y dominios similares, priorizar las amenazas más peligrosas y reducir drásticamente las cargas de triaje manual.
Las marcas están bajo ataque. Al igual que el resto de nosotros, la inteligencia artificial (IA) ha dado a los actores maliciosos las herramientas para hacer su trabajo de manera más eficiente y rentable. En el segundo trimestre de 2024, se procesaron aproximadamente 1.800 millones de correos electrónicos. De ellos, el 49% (un aumento del 20% interanual) resultaron contener suplantación de marca y otras técnicas de phishing, con un 40% generado por herramientas de IA.
Para quienes trabajamos en el negocio de la defensa, un aumento del 20% en los ataques impulsados por IA en menos de 12 meses no es una sorpresa. Tampoco lo es la noticia de que el kit de phishing Morphing Meerkat contenía 114 plantillas de diseño de marcas, incluidas Bank of America, Amazon, PayPal, Google Workspace y Apple iCloud. No, lo que resulta difícil de creer es la avalancha de soluciones que han aparecido de la nada para realmente resolver este problema, que ha costado a las empresas más de 12.000 millones de dólares en pérdida de ingresos y remediación de marca.
Lo que estamos escuchando sobre el terreno
Durante el último año, he escuchado a CISOs, analistas de seguridad y responsables de marketing que gestionan algunas de las marcas más reconocidas del mundo. Sus historias son sorprendentemente similares:
- Demasiado ruido, poca claridad: Los feeds de amenazas generan miles de alertas, y sin embargo, los incidentes que terminan siendo titulares a menudo pasan desapercibidos.
- El triaje manual está agotando a los equipos: Los analistas dedican horas a demostrar que el 99% de lo que revisan es inofensivo, dejando muy poco tiempo para ese 1% que puede perjudicar a los clientes.
- Los puntos ciegos siguen multiplicándose: Nuevos dominios web, cuentas de suplantación de ejecutivos, deepfakes generados por IA y ecosistemas de socios en expansión crean una superficie de ataque que cambia más rápido de lo que cualquier hoja de cálculo puede rastrear.
Los líderes de seguridad están desesperados por contar con la capacidad de gestionar los activos de su marca e identificar amenazas rápidamente (especialmente con los continuos avances en IA), sin depender de herramientas y soluciones complicadas que no satisfacen sus necesidades. La necesidad de visibilidad completa sobre toda la superficie de ataque es urgente, no un extra deseable.
Las marcas construyen valor, pero la confianza es fugaz
La velocidad, como ocurre con la mayoría de los ciberataques, es fundamental. Las empresas gastan miles de millones (y a menudo décadas) construyendo una marca, solo para que la confianza se erosione de la noche a la mañana. Según investigaciones recientes del sector, el 75% de los consumidores está dispuesto a romper lazos con una marca tras cualquier incidente de ciberseguridad, y la culpa sigue recayendo en la marca. En EE. UU., el 64% de los estadounidenses culparía a la empresa —no al hacker— por la pérdida de datos personales. Del mismo modo, el 44% de los consumidores atribuye los incidentes cibernéticos a la falta de medidas de seguridad de una empresa.
Para los CISOs que se preparan para la próxima reunión de la junta directiva, invertir en las herramientas de seguridad adecuadas para garantizar una visibilidad completa debería ser una prioridad máxima. Estamos viendo cierto progreso en el sector y celebro el reciente anuncio de Microsoft sobre el lanzamiento de su Programa de Seguridad Europeo, para combatir el auge de la IA como actor de amenazas en evolución. La empresa sigue siendo, hasta la fecha, la más expuesta a los intentos de phishing de marca, representando el 61% en 2024.
Cómo la IA puede impulsar la protección de marca
Para combatir la velocidad, la escala y la creciente sofisticación de la IA, hay que usar IA. Con la herramienta adecuada, como Red Sift Brand Trust, ahora se pueden escanear millones de dominios y subdominios en toda Internet, procesando más datos en un minuto de lo que un equipo humano podría revisar en un mes. El secreto está en buscar modelos especialmente entrenados capaces de detectar campañas de suplantación de marca, como dominios similares, logotipos manipulados, fotos deepfake de ejecutivos y patrones de texto que se han vuelto más efectivos que las estafas de phishing tradicionales.
Y más allá de la detección de dicho contenido malicioso, la IA especialmente entrenada impone claridad sobre el caos. Agrupa miles de artefactos relacionados en una sola narrativa, convirtiendo una avalancha diaria de indicadores en bruto en una historia concisa sobre la que el analista de IA puede actuar sin tener que desplazarse por interminables alertas. Después, las puntuaciones de riesgo, que se reentrenan continuamente por sí solas, colocan las amenazas más importantes al principio de la cola. Los analistas ya no deben desperdiciar ciclos persiguiendo lo último que apareció; en cambio, deben centrarse en lo que puede causar un daño real ahora mismo. Por último, al automatizar el descubrimiento, el enriquecimiento y el primer triaje, se pueden recuperar horas valiosas. Esas horas recuperadas se convierten en investigaciones, retiradas de contenido y educación al cliente, devolviendo recursos y tiempo vitales a las organizaciones.
Una lista de verificación orientada al cliente para evaluar soluciones
En lugar de comparar catálogos de funciones, mis conversaciones con líderes de seguridad se han centrado en cuatro preguntas prácticas. Comparto este consejo para todos los que avancen en este camino:
¿Cómo se ve lo bueno? | Por qué es importante |
1. ¿La solución que está investigando ve todo lo relacionado con mi marca, sin importar si lo posee o no? | Los atacantes explotan subdominios olvidados, instancias SaaS inactivas y grafías similares que usted nunca registró. Un descubrimiento exhaustivo cierra esas brechas antes de que se conviertan en herramientas de ingeniería social. |
2. ¿Reduce mi trabajo manual semana tras semana? | El retorno de cualquier inversión en seguridad se mide tanto en horas de analista ahorradas como en dólares perdidos o recuperados. Busque flujos de trabajo que reduzcan la acumulación de triaje sin crear otras nuevas. |
3. ¿Con qué rapidez aprende el sistema de cada incidente? | Un sistema debe incorporar cada retirada confirmada o falso positivo de nuevo en su modelo, de modo que su próxima alerta sea más inteligente que la anterior. Los conjuntos de reglas estáticas no pueden seguir el ritmo de los kits de phishing generados por IA que cambian a diario. |
4. ¿Envejecerá bien? | Las migraciones a la nube, los cambios de marca y las expansiones de mercado modifican su superficie de ataque. Las plataformas que incorporan nuevas fuentes de datos y se reentrenan continuamente están preparadas para el futuro; las que dependen de integraciones puntuales, no. |
Si un proveedor puede demostrar avances en estos cuatro frentes, las matrices de funciones rápidamente pasan a un segundo plano. Pero más allá de marcar casillas, lo más importante que debe tener un proveedor es visión. La herramienta adecuada equipa a su marca con un mapa holístico y en tiempo real de la superficie de ataque de marca, con las vulnerabilidades más críticas alertándole para actuar antes de que se produzca un daño reputacional.
Para quienes creen que pueden esperar para invertir en una solución adecuada de detección de marca, seré enfático: el aumento del phishing asistido por IA no se detendrá; el salto del 20% interanual del segundo trimestre de 2024 ya es noticia vieja.
Si está listo para empezar, nosotros estamos listos para apoyarlo en Red Sift. Envíenos un mensaje y comience.
Rahul Powar is the co-founder and CEO of Red Sift. A technologist and thought leader in both AI and cybersecurity, Rahul's career previously includes Thomas Reuters and the Shazam.