La red se ha convertido en el plano de control de la seguridad de la IA – CYBERDEFENSA.MX

Los firewalls de red son los caballos de batalla de la ciberseguridad moderna. Se confía en ellos para proteger la red, bloquear el tráfico malicioso y prevenir intrusiones y violaciones. Y durante décadas, los equipos de seguridad de redes han creado controles en torno a un modelo relativamente estable: los usuarios se conectan a las aplicaciones, las aplicaciones intercambian datos y las herramientas de seguridad inspeccionan paquetes, protocolos y destinos. Los cortafuegos se volvieron excepcionalmente buenos para comprender hacia dónde se dirigía el tráfico y si debía permitirse.

Pero así como la IA está remodelando todos los aspectos del mundo empresarial, también ha tenido un impacto monumental en la forma en que los equipos de seguridad ven el tráfico de la red y el firewall.

La IA está impulsando nuevas dinámicas de red que las políticas de seguridad tradicionales nunca fueron diseñadas para gobernar. Los empleados, las aplicaciones y los agentes envían indicaciones, llaman a modelos, se conectan a servicios y desencadenan acciones en todo el entorno, actividad que la mayoría de los firewalls no pueden ver, y mucho menos comprender. Los agentes de IA interactúan con servicios externos, recuperan información, ejecutan acciones y se comunican cada vez más con otros agentes de forma autónoma.

Reinventando el firewall para la era de la IA

La red es el centro central para el uso de la IA y el único punto de control donde se puede proteger en tiempo real. Y esta nueva realidad exige un nuevo tipo de seguridad de red basada en la IA y diseñada para proteger su red del siempre dinámico panorama de amenazas actual.

Estamos presentando el primero de la industria Cortafuegos de red de IA para ofrecer seguridad de IA integral a nivel de red que proteja el uso de IA de los empleados, las aplicaciones de IA y los agentes de IA directamente desde los firewalls que las organizaciones ya ejecutan. El AI Network Firewall está completamente integrado en Check Point Avión de defensa AIconvirtiendo el firewall existente en una capa de aplicación consciente de la intención para detectar, inspeccionar y controlar la actividad de IA en toda la empresa, incluidas todas las redes, nubes, sucursales y centros de datos de IA.

Abordar la brecha de visibilidad en la empresa de IA

El desafío que enfrentan las organizaciones hoy en día es doble: no sólo se está adoptando rápidamente la IA, sino que también ha cambiado fundamentalmente la naturaleza de la actividad de la red. Los controles de seguridad tradicionales fueron diseñados para inspeccionar conexiones, aplicaciones y flujos de tráfico. Pueden identificar hacia dónde se dirige el tráfico y si se debe permitir una conexión, pero nunca fueron creados para comprender el contexto y la intención detrás de las interacciones de IA.

Esta brecha de visibilidad es un problema creciente. Los empleados envían indicaciones a plataformas de IA generativa, las aplicaciones realizan llamadas modelo entre bastidores y los agentes autónomos se comunican cada vez más con otros sistemas y servicios sin participación humana. Gran parte de esta actividad atraviesa la red empresarial, pero los firewalls convencionales no pueden inspeccionar un mensaje, determinar si se está expuesta información confidencial, controlar las interacciones entre agentes o identificar actividades maliciosas impulsadas por la IA.

Nuestra respuesta a este desafío es una evolución del propio firewall. Para proteger la empresa de IA, los controles de seguridad deben ir más allá de la inspección del tráfico y ser conscientes de la intención. Al comprender indicaciones, interacciones de modelos, cargas de archivos, llamadas API y comportamiento de los agentes en tiempo real, un AI Network Firewall proporciona la visibilidad y el control que las organizaciones necesitan para adoptar la IA a escala de forma segura.

En lugar de tratar la IA como una pila de tecnología aislada, incorpora la gobernanza directamente en el punto de control de la red que ya se encuentra en el camino de la actividad empresarial. Esto permite a los equipos de seguridad prevenir ataques de inyección rápida, detener la filtración de datos, detectar abusos de API, gobernar servidores MCP y mantener una supervisión centralizada del uso de IA entre empleados, aplicaciones y agentes autónomos.

Seguridad que funciona a la velocidad de la IA

La velocidad a la que se está adoptando la IA está creando un segundo desafío: la complejidad operativa. Los equipos de seguridad se esfuerzan por seguir el ritmo de un flujo constante de nuevas aplicaciones de IA, requisitos comerciales cambiantes y amenazas emergentes. Las operaciones de seguridad tradicionales a menudo dependen de traducir las solicitudes comerciales en políticas técnicas, coordinar manualmente los cambios en múltiples sistemas y mantener la coherencia en entornos dispares. A la velocidad de la IA, ese enfoque se vuelve cada vez más insostenible.

Aquí es donde la inteligencia debe extenderse más allá de la aplicación de la ley y abarcar las operaciones. La seguridad de la IA moderna requiere plataformas que puedan simplificar la creación de políticas, automatizar el análisis y la corrección, e integrarse directamente con el contexto empresarial que las organizaciones ya han establecido. La gestión de políticas en lenguaje humano, el análisis de eventos automatizado y la orquestación de agentes permiten a los equipos de seguridad responder más rápido y, al mismo tiempo, reducir el riesgo de error humano.

En lugar de duplicar políticas en múltiples herramientas, las organizaciones pueden aprovechar etiquetas, etiquetas, identidades y clasificaciones de activos existentes en todo su ecosistema tecnológico para aplicar un modelo de control de acceso único y consistente. El resultado es una mayor eficiencia, menos errores operativos y una mayor alineación entre los objetivos de seguridad y las prioridades comerciales.

Escalando la seguridad en toda la empresa moderna

El desafío final es la escala. Los entornos empresariales están más distribuidos que nunca y abarcan centros de datos, nubes públicas, sucursales, implementaciones de SD-WAN, arquitecturas SASE y la propia infraestructura de IA. Los equipos de seguridad deben proteger esta creciente huella manteniendo al mismo tiempo la seguridad que prioriza la prevención, minimizando el tiempo de inactividad y evitando cuellos de botella operativos.

Un firewall de IA consciente de la intención proporciona la base para una seguridad consistente en todos los entornos. A través de la administración centralizada, la aplicación de políticas unificadas, las operaciones automatizadas del ciclo de vida y el monitoreo continuo, las organizaciones pueden extender el mismo nivel de visibilidad, control y protección en toda su infraestructura. Las operaciones de seguridad se vuelven más fáciles de administrar a medida que los entornos crecen, mientras que las políticas siguen siendo consistentes y auditables independientemente de dónde residan las cargas de trabajo de IA o los usuarios.

Proteger lo que viene después: IA, inteligencia y confianza

La próxima generación de firewalls no se limitará a proteger las conexiones. Comprenderán las interacciones de la IA. Dirigida por nuestro nuevo AI Network Firewall, esta capa de seguridad identificará indicaciones, modelará llamadas, solicitudes de agentes y flujos de trabajo impulsados ​​por IA, aplicará políticas dinámicamente basadas en el contexto empresarial y la intención de seguridad, y llevará la gobernanza directamente a la infraestructura de la que ya dependen las organizaciones para proteger sus redes.

En última instancia, el valor no es sólo una mayor seguridad. Está permitiendo a las organizaciones adoptar la IA con confianza y por completo, sin riesgos innecesarios. Los empleados pueden innovar, los desarrolladores pueden crear aplicaciones basadas en inteligencia artificial y los agentes pueden automatizar procesos comerciales, todo ello bajo modelos de gobernanza que brindan visibilidad, responsabilidad y protección.

En una era en la que la IA está transformando la forma en que se realiza el trabajo, el firewall debe transformarse con ella. La red se está convirtiendo en algo más que una capa de transporte. Se está convirtiendo en el plano de control de la seguridad de la IA.

Y las organizaciones que reconozcan este cambio primero estarán en mejor posición para adoptar la IA de forma segura y a escala.

Nota: Este artículo ha sido escrito y contribuido por Aviv Abramovich, vicepresidente de gestión de productos y seguridad de red de Check Point Software.

¿Encontró interesante este artículo? Este artículo es una contribución de uno de nuestros valiosos socios. Síguenos en noticias de google, Gorjeo y LinkedIn para leer más contenido exclusivo que publicamos.

El código generado por IA ha convertido la deuda de seguridad en un problema de gobernanza

El código generado por IA es parte del desarrollo de software cotidiano. Los desarrolladores lo utilizan para crear prototipos, refactorizar, solucionar problemas y pasar de la idea a la implementación con menos fricción que nunca. Las ganancias de productividad son innegables, lo que significa que los líderes de seguridad ahora enfrentan una pregunta difícil: si sus organizaciones pueden controlar el riesgo que crea la IA a esa misma velocidad.

Ese desafío tiene sus raíces en la escala. La IA cambia la rapidez con la que se puede crear software, mientras que muchos programas de seguridad de aplicaciones todavía dependen de controles diseñados para un modelo de desarrollo más lento. Cuando la generación de código se acelera más allá de la capacidad de revisar, probar y solucionar problemas, la deuda de seguridad se acumula más rápido.

Ése es el costo oculto del desarrollo asistido por IA. El riesgo ahora ingresa a la empresa a la velocidad de la máquina, mientras que muchas organizaciones todavía lo gestionan con procesos a escala humana. Los CISO deben gobernar el código generado por IA como una entrada de alto riesgo: probado automáticamente, verificado para detectar dependencias inseguras, remediado rápidamente y bloqueado de producción si falla la política.

La métrica que importa es la velocidad del riesgo

La seguridad de las aplicaciones se ha medido durante mucho tiempo mediante el descubrimiento. Los equipos cuentan las vulnerabilidades, categorizan la gravedad, informan tendencias y muestran si las cifras están mejorando. Esas preguntas siguen siendo importantes, pero la IA añade una métrica más urgente: la velocidad del riesgo. Los líderes de seguridad necesitan saber qué tan rápido la organización crea nuevos riesgos de software y qué tan rápido puede reducirlos o eliminarlos.

La IA cambia la economía de la deuda de valores. Un equipo de desarrollo que produzca una cantidad significativamente mayor de código sin un aumento correspondiente en la capacidad de seguridad creará más problemas de los que razonablemente puede revisar o solucionar. Incluso cuando el código generado por IA es comparable al código escrito por humanos línea por línea, el riesgo total puede aumentar porque el volumen de cambio es mayor. El atraso crece, las vulnerabilidades persisten y la deuda de seguridad acaba limitando el negocio.

La IA amplía los modos de fallo familiares

Los modos de falla son familiares. Las herramientas de codificación de IA pueden reproducir patrones inseguros que se encuentran en los datos de entrenamiento, incluida una validación de entrada débil, flujos de autenticación inseguros, referencias directas a objetos inseguros, secretos codificados y opciones de dependencia vulnerables. También pueden pasar por alto el contexto que determina si el código es seguro en un entorno específico: modelos de autorización, límites de inquilinos, sensibilidad de los datos, configuraciones de producción y cómo interactúan los servicios en una aplicación real.

También hay un factor humano. Bajo la presión de los plazos, los desarrolladores pueden aceptar código que funciona sin entender completamente cómo lo hace. El resultado es una confianza fuera de lugar. El código se compila, las pruebas pasan, las características se envían y el riesgo oculto ingresa al sistema. Con el tiempo, la organización puede perder de vista los problemas de seguridad que surgieron naturalmente durante el desarrollo del manual.

El riesgo de la cadena de suministro es mayor que el código mismo

La cadena de suministro de software añade otra capa de riesgo. Las aplicaciones modernas se ensamblan a partir de componentes, marcos, complementos, contenedores, API y servicios en la nube de código abierto. Las herramientas de codificación de IA pueden recomendar paquetes obsoletos, bibliotecas vulnerables o dependencias inexistentes. El informe GenAI Code Security 2025 de Veracode encontró que las herramientas de codificación de IA producen código inseguro casi la mitad (45%) de las veces. Puede parecer una alucinación divertida hasta que los atacantes registran paquetes maliciosos con nombres similares y esperan a que los desarrolladores o las herramientas automatizadas los extraigan. En ese punto, un atajo de codificación se convierte en una exposición de la cadena de suministro.

La IA ya forma parte del ciclo de vida del desarrollo y su uso seguirá ampliándose. Los equipos de seguridad necesitan un modelo de control diseñado para esa realidad.

El “cambio a la izquierda” necesita una capa de aplicación de la ley

La industria ha pasado más de una década adelantando la seguridad en el ciclo de vida de desarrollo, mejorando la visibilidad y ayudando a los equipos a detectar problemas antes. Sin embargo, muchas organizaciones acercaron los hallazgos a los desarrolladores sin trasladarles también suficiente propiedad, automatización y capacidad de remediación. Los desarrolladores recibieron más alertas, mientras que los equipos de seguridad obtuvieron más visibilidad de los riesgos que aún luchaban por reducir.

La IA hace que esa brecha operativa sea más urgente. A medida que aumenta la producción de software, la seguridad no puede seguir siendo un punto de control cerca del final del proceso. Debe convertirse en un sistema de control continuo integrado en la forma en que se crea, prueba, aprueba e implementa el software.

La seguridad por diseño debe convertirse en infraestructura

La seguridad por diseño en la era de la IA requiere un entorno de ingeniería donde las decisiones inseguras sean más difíciles de tomar y más fáciles de detectar. Los marcos aprobados, los valores predeterminados seguros, las arquitecturas de referencia, los controles de dependencia, las pruebas automatizadas y la aplicación de políticas deben integrarse directamente en los flujos de trabajo de los desarrolladores y en los canales de CI/CD.

La remediación también debe acercarse al punto de creación. Cuando un asistente de codificación introduce un patrón vulnerable, la respuesta ideal es una solución en línea que se propone, valida y gobierna como parte del proceso de desarrollo normal. La IA puede ayudar a los defensores en este caso cuando está conectada a señales de seguridad confiables, contexto político y evidencia de pruebas reales. Contrariamente a la intuición, los desarrolladores que utilizan la IA para escribir código a menudo no confían en la IA para corregir el código automáticamente sin una revisión humana. Esto toma una de las mejores formas de mantenerse al día con las vulnerabilidades creadas a la velocidad de la máquina y reducirla a la velocidad humana. Es necesario encontrar un equilibrio aceptable entre riesgo y velocidad.

La aprobación no es gobernanza

Los CISO deberían centrarse en la gobernanza, no sólo en aprobar herramientas de codificación de IA. Gobernanza significa rastrear dónde ingresa el código generado por IA a su entorno, documentar las políticas y pruebas aplicadas, registrar qué problemas se encontraron y solucionaron y mantener pruebas de estas decisiones. Esta documentación se vuelve crítica a medida que el desarrollo asistido por IA se vuelve estándar. Si el código vulnerable llega a producción, deberá demostrar que se implementaron controles adecuados y que los riesgos se gestionaron de acuerdo con la política.

¿Qué deberían hacer los líderes ahora?

Los CISO y los líderes de ingeniería deben tratar el código generado por IA como si no fuera de confianza hasta que se demuestre lo contrario. Deben exigir pruebas automatizadas antes del lanzamiento, hacer cumplir controles de dependencia, priorizar la remediación en función de la explotabilidad y el impacto comercial, y medir el éxito según la velocidad a la que se reduce el riesgo crítico.

Además, las juntas directivas y los responsables de la formulación de políticas organizacionales deberían preguntarse si las organizaciones pueden demostrar que el software asistido por IA está gobernado antes de su implementación. La evidencia clave debe incluir las políticas aplicadas, las pruebas realizadas, las vulnerabilidades remediadas, los riesgos aceptados y las aprobaciones registradas. Hoy en día, muchas organizaciones pueden realizar un seguimiento con confianza de lo que producen sus herramientas de IA, pero no pueden demostrar cómo se aseguró, revisó y gobernó ese resultado antes de llegar a producción. La industria todavía está trabajando para cerrar esta brecha.

La IA está cambiando la rapidez con la que el riesgo de software se mueve en la empresa. Las organizaciones que tengan éxito harán que la seguridad avance con la misma rapidez al incorporar la gobernanza, la corrección y las pruebas directamente en el proceso de entrega de software.

Chris Wysopal

Escrito por Chris Wysopal

Chris Wysopal es el evangelista jefe de seguridad de Veracode, responsable de mejorar la presencia de la empresa en la industria, promover prácticas de seguridad sólidas y fomentar las relaciones con clientes y pares. Antes de cofundar Veracode en 2006, Chris fue vicepresidente de investigación y desarrollo en la consultora de seguridad @stake, que fue adquirida por Symantec. En la década de 1990, Chris fue uno de los investigadores originales de vulnerabilidades en The L0pht, un grupo de expertos sobre hackers, donde fue uno de los primeros en publicitar los riesgos del software inseguro. Ha testificado ante el Congreso de Estados Unidos sobre temas de seguridad gubernamental y cómo se descubren vulnerabilidades en el software.

Infracciones fantasma: cómo las narrativas mediadas por IA se han convertido en un nuevo vector de amenazas

Una empresa se despierta con una noticia que afirma que ha sufrido una importante filtración de datos. Los detalles son específicos, técnicos y convincentes. Pero la infracción no se produjo. Ningún sistema se vio comprometido. No se tomaron datos. Un modelo de lenguaje generó la historia completa, completando detalles plausibles desde cero. Y antes de que la empresa pueda descubrir qué está pasando, un periodista de un medio de renombre retoma la historia y solicita comentarios. En cuestión de horas, la empresa está redactando declaraciones y movilizando a su equipo de comunicaciones para abordar un evento ficticio.

Un segundo incidente comienza con algo real. Años antes, una empresa había sufrido una auténtica infracción que recibió una amplia cobertura mediática. El incidente fue investigado, resuelto y cerrado. Luego, uno de los medios que informó originalmente sobre ello rediseñó su sitio web. Los artículos antiguos recibieron nuevas URL y marcas de tiempo actualizadas, y los motores de búsqueda los volvieron a indexar como contenido nuevo. Los agregadores de noticias impulsados ​​por inteligencia artificial captaron la señal y la marcaron como una historia en desarrollo. La empresa se encontró atendiendo consultas sobre un incidente que se había resuelto años antes.

[Ed. note: The authors are withholding full specifics about the incidents because full disclosure could cause harm, yet CyberScoop confirmed with the authors that the incidents did in fact take place].

Un tercer incidente introduce otra dimensión. Una publicación de ciberseguridad publicó una historia sobre un ataque de compromiso de correo electrónico empresarial que le costó a una empresa del Reino Unido cerca de mil millones de libras. El artículo citado un conocido investigador de seguridadpero en realidad no había hablado con la publicación. AI generó las citas, se las asignó con total confianza y la publicación las publicó como si fueran un hecho.

En conjunto, estos tres casos exponen una amenaza para la que la mayoría de las organizaciones aún no se han preparado. La IA ha desarrollado la capacidad de fabricar incidentes de seguridad convincentes a partir de la nada, con detalles técnicos, fuentes nombradas y credibilidad suficiente para desencadenar respuestas a crisis a gran escala. Cualquier organización que trate esto como un problema distante o teórico corre el riesgo de aprender por las malas cuán rápido la ficción generada por IA puede convertirse en una emergencia del mundo real.

La suposición que ya no se cumple

La respuesta a las crisis cibernéticas siempre se ha basado en una premisa simple: sucede algo real y luego se responde. Esa premisa se está rompiendo. Los sistemas de inteligencia artificial ahora generan, amplifican y validan reclamos antes de que los equipos de seguridad confirmen algo. Una vez que una narrativa ingresa al ecosistema, se puede incorporar a fuentes de inteligencia sobre amenazas, plataformas de calificación de riesgos y flujos de trabajo automatizados. La ficción se convierte en señal.

Para los equipos de seguridad, esto crea una nueva clase de falso positivo. No es una alerta ruidosa de una herramienta mal configurada, sino una narrativa externa completamente formada que parece creíble. Una infracción alucinada puede desencadenar investigaciones internas, escalada ejecutiva y acciones defensivas. El tiempo y los recursos se desvían hacia refutar algo que nunca sucedió.

Peor aún, puede influir en el comportamiento de un atacante real. Los actores de amenazas pueden utilizar como pretexto narrativas inventadas sobre violaciones. Los correos electrónicos de phishing que hacen referencia a un «incidente conocido» se vuelven más creíbles. La suplantación de equipos de TI o de respuesta a incidentes se vuelve más efectiva. La narrativa se convierte en parte de la superficie de ataque.

Qué significa esto para los equipos de seguridad

Los equipos de seguridad están acostumbrados a monitorear indicadores de compromiso. Ahora necesitan monitorear los indicadores de narrativa. Los canales de inteligencia de código abierto están cada vez más automatizados. Si esos oleoductos ingieren información falsa, los sistemas posteriores actuarán en consecuencia. Eso incluye el enriquecimiento de SIEM, la puntuación de riesgos de terceros e incluso decisiones de contención automatizadas en algunos entornos.

La implicación práctica es que los equipos de seguridad necesitan visibilidad de cómo se representa externamente su organización, no solo de lo que sucede internamente. Esta no es una inteligencia de amenazas tradicional, pero se comporta como tal. La detección temprana cambia los resultados.

También es necesaria una mayor integración con las comunicaciones. Cuando surge una narrativa falsa, la realidad técnica y la percepción externa divergen. Ambos deben gestionarse en paralelo.

Qué significa esto para los equipos de comunicaciones

Para los equipos de comunicaciones, el cronograma se ha colapsado. Es posible que la primera señal de una “infracción” no provenga del SOC. Puede provenir de un periodista, un cliente o una alerta automática.

El silencio ya no es neutral. Si existe una narrativa, los sistemas de IA llenarán los vacíos con cualquier información disponible. Eso puede reforzar las imprecisiones con cada iteración. Las respuestas deben diseñarse tanto para el consumo de las máquinas como para las audiencias humanas. Lenguaje claro y declarativo. Hechos comprobables. Declaraciones estructuradas que se pueden analizar y reutilizar fácilmente. El objetivo es establecer una presencia competitiva en la cadena de suministro de información.

La preparación se vuelve crítica. Lenguaje preaprobado que se puede implementar rápidamente. Coordinación establecida con el departamento legal y de seguridad antes de que surja algo.

Implicaciones compartidas

Tanto el equipo de seguridad como el de comunicaciones operan ahora en el mismo entorno, lo reconozcan o no. Una infracción alucinada puede desencadenar una verdadera perturbación operativa. Es posible que se interrumpan las relaciones con los proveedores, que se corten las conexiones con sistemas de terceros, que los reguladores se interesen y que los mercados reaccionen. Nada de eso requiere un compromiso real. Y esto crea un circuito de retroalimentación. Las narrativas externas impulsan las acciones internas. Las acciones internas, si son visibles, refuerzan las narrativas externas.

Romper ese círculo requiere velocidad, coordinación y claridad.

Auditorías de IA como mecanismo de control

Uno de los controles más eficaces en este nuevo entorno es la auditoría sistemática de la IA. Probar periódicamente cómo los sistemas de IA describen su organización, su postura de seguridad y cualquier presunto incidente. Esto proporciona visibilidad de lo que las máquinas «creen» antes de que esa creencia se difunda. Permite a las organizaciones identificar y corregir narrativas falsas de manera temprana, antes de que se propaguen a las herramientas, la toma de decisiones y el comportamiento de los atacantes. También destaca dónde debe existir información precisa. No en cualquier lugar en línea, sino en fuentes que los sistemas de inteligencia artificial priorizan.

El cambio de mentalidad

Esto marca un cambio de la respuesta al incidente a la respuesta narrativa. Los equipos de seguridad deben tratar cada alerta como potencialmente inventada. Los equipos de comunicación deben prepararse para narrativas que se formen independientemente de lo que realmente sucedió. Ambos deben operar con el entendimiento de que la percepción por sí sola puede desencadenar consecuencias reales. En este entorno, la capacidad de detectar y responder a narrativas falsas es tan importante como la capacidad de detectar y responder a violaciones reales.

Mary Catherine Sullivan es directora senior de Ciencia de Datos para Digital & Insights, dentro del segmento de Comunicaciones Estratégicas de FTI. Es líder en comunicaciones y ciencia de datos y se especializa en pruebas de mensajes, investigación de audiencias, análisis de comunicaciones digitales y evaluación de riesgos reputacionales. Como parte del equipo de ciencia de datos de FTI Consulting, desarrolla inteligencia artificial, procesamiento de lenguaje natural, aprendizaje automático y modelos estadísticos de última generación para analizar los ecosistemas de medios, el discurso de las partes interesadas y la respuesta de la audiencia, lo que respalda la toma de decisiones informada y defendible para los clientes que navegan en entornos reputacionales complejos.

Brett Callow es asesor senior en Comunicaciones de Ciberseguridad y Privacidad de Datos en FTI Consulting. Con más de dos décadas de conocimiento de la legislación y las políticas de ciberseguridad y una amplia experiencia en comunicaciones de ciberseguridad, la experiencia de Brett es ampliamente reconocida dentro de la industria, por los responsables políticos y los medios de comunicación. Ha estado involucrado en algunos de los incidentes de ransomware más destacados y ha participado en paneles y debates relacionados con políticas, incluso en la Oficina del Director de Inteligencia Nacional y el Instituto Aspen, y ha formado parte de la Junta Asesora del proyecto Ransomware Harms del Royal United Services Institute.

Escrito por Mary Catherine Sullivan y Brett Callow