Seguridad de OWASP GenAI

Día 1: Fundamentos y Amenazas Principales

Módulo 1: Introducción al Proyecto de Seguridad OWASP GenAI (1 hora)

Objetivos de Aprendizaje:

• Comprender la evolución desde los 10 principales de OWASP hasta los desafíos de seguridad específicos para GenAI.
• Explorar el ecosistema y los recursos del Proyecto de Seguridad OWASP GenAI.
• Identificar las diferencias clave entre la seguridad de aplicaciones tradicionales y la seguridad de IA.

Temas Cubiertos:

• Resumen de la misión y el alcance del Proyecto de Seguridad OWASP GenAI.
• Introducción al marco Threat Defense COMPASS.
• Comprensión del panorama de seguridad de IA y los requisitos regulatorios.
• Superficies de ataque de IA frente a vulnerabilidades tradicionales de aplicaciones web.

Ejercicio Práctico: Configuración de la herramienta OWASP Threat Defense COMPASS y realización de una evaluación inicial de amenazas.

Módulo 2: Los 10 Principales LLM de OWASP - Parte 1 (2.5 horas)

Objetivos de Aprendizaje:

• Dominar las cinco vulnerabilidades críticas más importantes de los LLM.
• Comprender vectores de ataque y técnicas de explotación.
• Aplicar estrategias prácticas de mitigación.

Temas Cubiertos:

LLM01: Inyección de Prompt

• Técnicas de inyección directa e indirecta de prompts.
• Instrucciones ocultas y contaminación cruzada entre prompts.
• Ejemplos prácticos: Jailbreaking de chatbots y evasión de medidas de seguridad.
• Estrategias de defensa: Sanitización de entrada, filtrado de prompts, privacidad diferencial.

LLM02: Revelación de Información Sensible

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

LLM03: Vulnerabilidades de la Cadena de Suministro

• Dependencias de modelos de terceros y seguridad de complementos (plugins).
• Datasets de entrenamiento comprometidos y envenenamiento de modelos.
• Evaluación de riesgos de proveedores para componentes de IA.
• Prácticas seguras de implementación y verificación de modelos.

Ejercicio Práctico: Laboratorio práctico que demuestra ataques de inyección de prompt contra aplicaciones LLM vulnerables e implementación de medidas defensivas.

Módulo 3: Los 10 Principales LLM de OWASP - Parte 2 (2 horas)

Temas Cubiertos:

LLM04: Envenenamiento de Datos y Modelos

• Técnicas de manipulación de datos de entrenamiento.
• Modificación del comportamiento del modelo a través de entradas envenenadas.
• Ataques de puertas traseras y verificación de integridad de datos.
• Prevención: Pipelines de validación de datos, rastreo de procedencia.

LLM05: Manejo Inapropiado de la Salida

• Procesamiento inseguro del contenido generado por LLM.
• Inyección de código a través de salidas generadas por IA.
• Cross-site scripting (XSS) mediante respuestas de IA.
• Marcos de validación y sanitización de salida.

Ejercicio Práctico: Simulación de ataques de envenenamiento de datos e implementación de mecanismos robustos de validación de salida.

Módulo 4: Amenazas Avanzadas de LLM (1.5 horas)

Temas Cubiertos:

LLM06: Agencia Excesiva

• Riesgos de toma de decisiones autónoma y violaciones de límites.
• Gestión de autoridad y permisos de agentes.
• Interacciones no intencionadas con el sistema y elevación de privilegios.
• Implementación de barreras de seguridad (guardrails) y controles de supervisión humana.

LLM07: Fuga del Prompt del Sistema

• Vulnerabilidades de exposición de instrucciones del sistema.
• Revelación de credenciales y lógica a través de prompts.
• Técnicas de ataque para extraer prompts del sistema.
• Aseguramiento de instrucciones del sistema y configuración externa.

Ejercicio Práctico: Diseño de arquitecturas de agente seguras con controles de acceso y monitoreo apropiados.

Día 2: Amenazas Avanzadas e Implementación

Módulo 5: Amenazas Emergentes de IA (2 horas)

Objetivos de Aprendizaje:

• Comprender las amenazas de seguridad de IA de vanguardia.
• Implementar técnicas avanzadas de detección y prevención.
• Diseñar sistemas de IA resilientes frente a ataques sofisticados.

Temas Cubiertos:

LLM08: Debilidades en Vectores y Embeddings

• Vulnerabilidades de sistemas RAG y seguridad de bases de datos vectoriales.
• Pvenamiento de embeddings y ataques de manipulación de similitud.
• Ejemplos adversarios en búsqueda semántica.
• Aseguramiento de almacenes vectoriales e implementación de detección de anomalías.

LLM09: Desinformación y Fiabilidad del Modelo

• Detección y mitigación de alucinaciones.
• Amplificación de sesgos y consideraciones de equidad.
• Mecanismos de verificación de hechos y fuentes.
• Validación de contenido e integración de supervisión humana.

LLM10: Consumo Sin Límites

• Agotamiento de recursos y ataques de denegación de servicio (DoS).
• Estrategias de limitación de velocidad y gestión de recursos.
• Optimización de costos y controles presupuestarios.
• Sistemas de monitoreo de rendimiento y alertas.

Ejercicio Práctico: Construcción de una canalización RAG segura con protección de base de datos vectorial y detección de alucinaciones.

Módulo 6: Seguridad de IA Agente (2 horas)

Objetivos de Aprendizaje:

• Comprender los desafíos de seguridad únicos de los agentes de IA autónomos.
• Aplicar la taxonomía OWASP de IA Agente a sistemas del mundo real.
• Implementar controles de seguridad para entornos multi-agente.

Temas Cubiertos:

• Introducción a la IA Agente y sistemas autónomos.
• Taxonomía de Amenazas OWASP de IA Agente: Diseño del Agente, Memoria, Planificación, Uso de Herramientas, Despliegue.
• Riesgos de seguridad y coordinación en sistemas multi-agente.
• Ataques por mal uso de herramientas, envenenamiento de memoria y secuestro de objetivos.
• Aseguramiento de la comunicación y los procesos de toma de decisiones del agente.

Ejercicio Práctico: Ejercicio de modelado de amenazas utilizando la taxonomía OWASP de IA Agente en un sistema multi-agente de servicio al cliente.

Módulo 7: Implementación de OWASP Threat Defense COMPASS (2 horas)

Objetivos de Aprendizaje:

• Dominar la aplicación práctica de Threat Defense COMPASS.
• Integrar la evaluación de amenazas de IA en los programas de seguridad organizacional.
• Desarrollar estrategias integrales de gestión de riesgos de IA.

Temas Cubiertos:

• Análisis profundo de la metodología Threat Defense COMPASS.
• Integración del ciclo OODA: Observar, Orientar, Decidir, Actuar.
• Mapeo de amenazas a los marcos MITRE ATT&CK y ATLAS.
• Construcción de tableros de estrategias de resiliencia ante amenazas de IA.
• Integración con herramientas y procesos de seguridad existentes.

Ejercicio Práctico: Evaluación completa de amenazas utilizando COMPASS para un escenario de despliegue de Microsoft Copilot.

Módulo 8: Implementación Práctica y Mejores Prácticas (2.5 horas)

Objetivos de Aprendizaje:

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

Temas Cubiertos:

Ciclo de Vida de Desarrollo Seguro de IA:

• Principios de seguridad desde el diseño para aplicaciones de IA.
• Prácticas de revisión de código para integraciones de LLM.
• Metodologías de prueba y escaneo de vulnerabilidades.
• Seguridad en el despliegue y endurecimiento (hardening) de la producción.

Monitoreo y Detección:

• Requisitos específicos de IA para registros (logging) y monitoreo.
• Detección de anomalías para sistemas de IA.
• Procedimientos de respuesta a incidentes para eventos de seguridad de IA.
• Técnicas de forense e investigación.

Gobernanza y Cumplimiento:

• Marcos y políticas de gestión de riesgos de IA.
• Consideraciones de cumplimiento normativo (GDPR, Ley de IA, etc.).
• Evaluación de riesgos de terceros para proveedores de IA.
• Capacitación en concienciación sobre seguridad para equipos de desarrollo de IA.

Ejercicio Práctico: Diseñar una arquitectura de seguridad completa para un chatbot empresarial de IA, incluyendo monitoreo, gobernanza y procedimientos de respuesta a incidentes.

Módulo 9: Herramientas y Tecnologías (1 hora)

Objetivos de Aprendizaje:

• Evaluar e implementar herramientas de seguridad de IA.
• Comprender el panorama actual de soluciones de seguridad de IA.
• Crear capacidades prácticas de detección y prevención.

Temas Cubiertos:

• Ecosistema de herramientas de seguridad de IA y paisaje de proveedores.
• Herramientas de código abierto: Garak, PyRIT, Giskard.
• Soluciones comerciales para seguridad y monitoreo de IA.
• Patrones de integración y estrategias de despliegue.
• Criterios de selección de herramientas y marcos de evaluación.

Ejercicio Práctico: Demostración práctica de herramientas de prueba de seguridad de IA y planificación de implementación.

Módulo 10: Tendencias Futuras y Cierre (1 hora)

Objetivos de Aprendizaje:

• Comprender las amenazas emergentes y los futuros desafíos de seguridad.
• Desarrollar estrategias de aprendizaje continuo y mejora.
• Crear planes de acción para programas de seguridad de IA organizacionales.

Temas Cubiertos:

• Amenazas emergentes: Deepfakes, inyección de prompts avanzada, inversión de modelos.
• Futuros desarrollos y hoja de ruta del proyecto OWASP GenAI.
• Construcción de comunidades de seguridad de IA y partage de conocimientos.
• Mejora continua e integración de inteligencia de amenazas.

Ejercicio de Planificación de Acción: Desarrollar un plan de acción de 90 días para implementar prácticas de seguridad OWASP GenAI en las organizaciones de los participantes.