IA y criptografía, explicadas.

«La IA está rompiendo el cifrado» es una de las piezas de folclore de seguridad más persistentes que existen, y vale la pena ser precisos sobre exactamente cuán equivocada está. El cifrado moderno –AES-256, RSA-2048 y superiores, los esquemas de curva elíptica– se apoya en problemas matemáticos que siguen siendo computacionalmente inviables de resolver directamente, y no existe investigación publicada creíble que muestre que el aprendizaje automático cambie eso. Nada en entrenar una red neuronal le da un atajo a través de las matemáticas subyacentes.

Lo que realmente es cierto es más limitado, y más interesante: la IA genuinamente ayuda a los atacantes contra implementaciones débiles y canales laterales, un problema de números aleatorios bien documentado ha roto muchos más sistemas reales de los que jamás ha roto ninguna IA, y una tecnología completamente distinta –la computación cuántica, no la IA– es lo que realmente está impulsando el mayor cambio que está ocurriendo ahora mismo en criptografía. Mantener esos tres hilos separados es el objetivo completo de este artículo, y mezclarlos es exactamente cómo la exageración desplaza al riesgo real.

Qué es realmente el criptoanálisis asistido por IA

El criptoanálisis es el estudio de encontrar debilidades en los sistemas criptográficos, y es un campo académico de décadas de antigüedad con numerosos éxitos puramente matemáticos mucho antes de que el aprendizaje automático entrara en escena. Aplicarle IA es un área de investigación actual genuinamente activa: la parte importante es entender con precisión hacia qué apunta.

Los resultados más sólidos y mejor establecidos están en el análisis de canal lateral: ataques que no tocan en absoluto el algoritmo matemático, sino que extraen información que un dispositivo físico filtra mientras calcula –variaciones en el consumo eléctrico, emisiones electromagnéticas o tiempos de ejecución que se correlacionan con el material de clave secreta que se está procesando. El análisis clásico de canal lateral ya funcionaba sin IA, sobre todo contra tarjetas inteligentes y dispositivos embebidos, pero requería que un analista experto eligiera a mano las características estadísticas a buscar. Se ha demostrado, en investigación académica publicada, que las redes neuronales automatizan y a menudo mejoran ese proceso: aprenden directamente de los datos qué patrones en una traza de consumo se correlacionan con los bits de la clave, sin que un humano especifique las características de antemano. Esta es una capacidad real y significativa. También es, específicamente, un ataque a una implementación: un chip, un dispositivo, un fragmento de código que filtra información que no debería– y no un ataque a la fortaleza de las matemáticas subyacentes del algoritmo.

Un segundo cuerpo de investigación, más pequeño, aplica el aprendizaje automático a construcciones de cifrado de rondas reducidas o no estándar, a menudo ligeras: versiones deliberadamente debilitadas o simplificadas de cifrados usadas para estudiar cómo podrían escalar los ataques, o algoritmos genuinamente mal diseñados que se encuentran en algunos sistemas de bajo consumo o propietarios. Los resultados aquí son reales pero limitados: tienden a aplicarse a construcciones concretas, ya debilitadas o no estándar, no a estándares a plena fuerza y bien auditados como AES-256 ejecutado con todas sus rondas.

En conjunto, el planteamiento correcto es que la IA es un multiplicador de fuerza contra implementaciones defectuosas y hardware con fugas, no un atajo a través de problemas matemáticos difíciles. Una organización que usa correctamente AES-256 o RSA-2048 bien implementados no está hoy notablemente más en riesgo por la investigación de criptoanálisis con IA. Una organización que ejecuta criptografía en un dispositivo que filtra datos de consumo eléctrico a cualquiera cerca, o que implementó su propio cifrado a medida en lugar de un estándar auditado, tiene motivos reales de preocupación –y ya los tenía antes de que la IA facilitara automatizar el ataque.

El riesgo mucho más antiguo y mucho mayor: la aleatoriedad débil

Mucho antes de que el criptoanálisis con IA fuera un tema de investigación, la forma más común con diferencia en que los sistemas criptográficos reales fallaban realmente no tenía nada que ver con el algoritmo en absoluto: la aleatoriedad predecible o insuficiente durante la generación de claves. Todo algoritmo de cifrado estándar asume que sus claves se extrajeron de una fuente indistinguible de la aleatoriedad verdadera. Alimenta a un algoritmo criptográficamente seguro con una clave predecible, y la fortaleza teórica del algoritmo se vuelve irrelevante: un atacante no necesita romper AES-256 si simplemente puede adivinar o reproducir la clave que se generó.

Esto no es una preocupación hipotética. Un ejemplo real y bien documentado: en 2008 se descubrió que un cambio de código hecho dos años antes en el paquete OpenSSL de Debian había reducido severamente la entropía usada por su generador de números pseudoaleatorios al crear claves SSH y TLS. El fallo era lo bastante grave como para que, esencialmente, cada clave generada por un sistema afectado durante esa ventana tuviera que tratarse como adivinable y regenerarse: un algoritmo estándar y fuerte, socavado por completo por la aleatoriedad que lo alimentaba, afectando a una enorme cantidad de claves reales en uso en producción.

La lección práctica se mantiene independientemente de la IA: las fuentes de entropía –generadores de números aleatorios por hardware, pools de entropía a nivel de sistema operativo, una siembra adecuada en dispositivos embebidos e IoT en el primer arranque– son infraestructura fundamental y poco vistosa, y una mal implementada es una vía mucho más fácil y mucho más común para comprometer un sistema que cualquier avance criptoanalítico, asistido por IA o no. Al evaluar el riesgo criptográfico, «cómo se genera aquí la aleatoriedad» merece al menos tanto escrutinio como «qué algoritmo se eligió».

La verdadera amenaza de «romper las matemáticas»: los ordenadores cuánticos, no la IA

Si hay una tecnología que amenaza genuinamente con romper las suposiciones matemáticas detrás de la criptografía de clave pública ampliamente desplegada, es la computación cuántica –y vale la pena ser explícitos en que este es un modelo de amenaza completamente separado de la IA. Un ordenador cuántico suficientemente grande y con suficiente corrección de errores que ejecute el algoritmo de Shor podría, en principio, resolver eficientemente los problemas de factorización de enteros y de logaritmo discreto de los que dependen RSA y la criptografía de curva elíptica –algo que ningún ordenador clásico, y ningún modelo de IA ejecutándose en hardware clásico, puede hacer actualmente. Ningún ordenador cuántico construido hasta la fecha tiene ni de lejos la escala o la corrección de errores necesarias para ejecutar ese ataque contra tamaños de clave del mundo real, pero el campo se ha estado moviendo lo bastante rápido, y lo que está en juego es lo bastante grande, como para que los organismos de estandarización ya hayan actuado.

En agosto de 2024, el NIST finalizó sus primeros estándares de criptografía post-cuántica, la culminación de un proceso de evaluación pública de varios años:

Estos esquemas se apoyan en problemas matemáticos subyacentes distintos –en gran medida basados en retículas para ML-KEM y ML-DSA, y basados en hash para SLH-DSA– que se cree que resisten tanto los ataques clásicos como los cuánticos, en lugar de los problemas de factorización y logaritmo discreto a los que apunta el algoritmo de Shor.

La razón por la que las organizaciones están avanzando en esto ahora, en lugar de esperar a que exista realmente un ordenador cuántico criptográficamente relevante, es un patrón conocido como «capturar ahora, descifrar después» (harvest now, decrypt later). Un adversario puede capturar y almacenar hoy tráfico cifrado –comunicaciones interceptadas, copias de seguridad robadas de archivos cifrados– sin capacidad de leerlo todavía, y simplemente esperar. Si llega un ordenador cuántico suficientemente potente dentro de diez o quince años, ese tráfico almacenado se vuelve legible retroactivamente. Para datos con una vida útil corta, esto apenas importa. Para datos que necesitan mantenerse confidenciales durante décadas –secretos gubernamentales, historiales médicos a largo plazo, detalles de diseño de infraestructuras–, significa que la migración a algoritmos post-cuánticos tiene que empezar bastante antes de que la amenaza cuántica sea inminente, razón exacta por la que las agencias gubernamentales, las instituciones financieras y los operadores de infraestructuras críticas son quienes actualmente lideran la planificación temprana de la migración post-cuántica.

Para la mecánica subyacente de cómo funcionan hoy el intercambio de claves y las firmas digitales –los sistemas que ML-KEM y ML-DSA en última instancia sustituyen–, consulta nuestro artículo complementario sobre fundamentos de criptografía, que cubre las primitivas de hashing, cifrado y firma con las que cualquier futura transición post-cuántica todavía tiene que interoperar.

Qué significa esto en la práctica

Traducido en prioridades concretas, el panorama anterior sugiere un orden de operaciones bastante claro para cualquiera responsable del riesgo criptográfico en un sistema real, y no en un laboratorio de investigación:

• Audita primero las fuentes de entropía. Confirma que las claves se generan usando un CSPRNG adecuado con suficiente entropía sembrada, especialmente en dispositivos embebidos, hardware IoT y cualquier cosa que genere claves inmediatamente en el primer arranque, cuando los pools de entropía suelen estar más escasos.
• Usa algoritmos estándar y auditados a plenos parámetros. AES-256, RSA-2048 o superior, y los esquemas estándar de curva elíptica siguen siendo la opción correcta por defecto. Los cifrados a medida o de rondas reducidas son exactamente la categoría donde tanto el criptoanálisis clásico como el asistido por IA han mostrado resultados reales.
• Trata los dispositivos físicos y embebidos como una superficie de canal lateral. Si un dispositivo que realiza operaciones criptográficas es físicamente alcanzable por un adversario, la fuga de consumo eléctrico y de tiempos es una preocupación real, y el análisis asistido por IA ha hecho esa clase de ataque más accesible, no menos.
• Empieza la planificación post-cuántica por inventario, no por pánico. Identifica qué sistemas protegen datos con un horizonte de confidencialidad largo y de qué bibliotecas criptográficas dependen, de modo que una futura migración a ML-KEM y ML-DSA sea una actualización planificada y no una respuesta de emergencia.

Nada de esto requiere asumir que la IA ya ha cambiado lo que es alcanzable contra la criptografía moderna bien implementada –porque, para los algoritmos en sí, no lo ha hecho. Requiere la misma disciplina que la ingeniería criptográfica siempre ha exigido: acertar con la aleatoriedad, usar correctamente el algoritmo estándar y planificar la siguiente transición antes de verte obligado a ella.

Manteniendo claras las tres amenazas

Lo más útil que un lector puede sacar de este tema es el hábito de separar tres afirmaciones distintas que se mezclan constantemente en la cobertura informal:

• El criptoanálisis con IA es investigación real y activa –y apunta a implementaciones y canales laterales, no a la fortaleza de algoritmos bien auditados a plenos parámetros.
• La aleatoriedad débil es una forma más antigua, mejor documentada y, en la práctica, mucho más común en que los sistemas criptográficos reales fallan realmente, por completo independiente de la IA.
• La computación cuántica es la única tecnología que podría romper genuinamente las matemáticas detrás de RSA y la criptografía de curva elíptica –razón precisa por la cual la transición a los estándares post-cuánticos ya está en marcha, años antes de que se espere que la amenaza cuántica sea práctica.

Confundir estas tres cosas hace daño real: o bien produce un pánico injustificado sobre capacidades de IA que todavía no existen, o produce complacencia sobre los riesgos mucho más mundanos –una mala fuente de entropía, un cifrado a medida sin auditar, una implementación de hardware con fugas– que están rompiendo sistemas reales en silencio hoy mismo.

Preguntas frecuentes