Volver a artículos

EASM

Tu infraestructura de IA expuesta en internet: Langflow, LiteLLM, MLflow y la Ley de IA desde agosto de 2026

12 min de lectura

En 2026 el catálogo KEV de CISA se llenó de herramientas de IA: Langflow, LiteLLM, MLflow, Ray, n8n, Marimo y GPUStack. Qué se explotó, por qué estos servicios guardan tus claves, cómo protegerlos y qué exige la Ley de IA tras el Ómnibus.

ai-security
attack-surface

En noviembre de 2026 el patrón ya es evidente. En marzo, CISA añadió n8n y Langflow a su catálogo Known Exploited Vulnerabilities (KEV); a principios de noviembre, la lista de herramientas de IA y de agentes con vulnerabilidades explotadas incluía también Marimo, LiteLLM, Ray, MLflow y GPUStack. Los constructores de workflows, las pasarelas LLM y las plataformas de machine learning que las empresas montaron durante sus pilotos de IA forman ya parte de la superficie de ataque externa, y los atacantes los tratan exactamente así. En este artículo reconstruimos qué se explotó durante 2026, explicamos por qué estos servicios son objetivos tan valiosos y repasamos las medidas que cierran la mayor parte del problema. Complementa nuestra guía de gestión de la superficie de ataque externa, porque el primer obstáculo casi siempre es la visibilidad: no puedes proteger un servicio de IA que nadie te dijo que estaba en línea.

Puntos clave
  • Entre marzo y noviembre de 2026, CISA añadió al catálogo KEV 13 vulnerabilidades en herramientas de IA y de agentes: cinco en Langflow, tres en LiteLLM y una en n8n, Marimo, Ray, MLflow y GPUStack.
  • Estos servicios son objetivos muy valiosos porque guardan las API keys de los proveedores y credenciales cloud, y porque muchos ejecutan código por diseño.
  • Según la Cloud Security Alliance, la vulnerabilidad de Langflow CVE-2026-33017 se explotó unas 20 horas después de su publicación.
  • En el estudio de IBM de 2026 sobre brechas, más del 20% de las organizaciones notificó una brecha dirigida a modelos o aplicaciones de IA, sobre todo a través de APIs, aplicaciones o plug-ins comprometidos y configuraciones cloud erróneas.
  • Tras el Ómnibus digital sobre IA, las obligaciones de transparencia de la Ley de IA se aplican igualmente desde el 2 de agosto de 2026, pero la ley no te pide parchear Langflow: la seguridad de la infraestructura es materia de NIS2 y del RGPD.

Las herramientas de IA en el catálogo KEV: la lista de 2026

El catálogo KEV solo recoge vulnerabilidades de las que CISA tiene pruebas de explotación real. Por eso es una señal útil y prudente: una entrada no es un riesgo teórico, sino algo que los atacantes ya han usado. La tabla reúne todas las entradas de herramientas de IA, LLM y agentes añadidas entre marzo y principios de noviembre de 2026, con la descripción publicada por CISA.

Añadida al KEVProductoCVEQué permite (según CISA)
11 de marzon8nCVE-2025-68613Ejecución remota de código a través del sistema de evaluación de expresiones de los workflows
25 de marzoLangflowCVE-2026-33017Inyección de código que permite construir flujos públicos sin autenticación
23 de abrilMarimoCVE-2026-39987Ejecución remota de código antes de la autenticación, con acceso a una shell
8 de mayoLiteLLMCVE-2026-42208Inyección SQL que lee, y puede modificar, la base de datos del proxy y las credenciales que gestiona
21 de mayoLangflowCVE-2025-34291CORS demasiado permisivo y cookie de refresco SameSite=None: una web maliciosa obtiene tokens y puede llegar a ejecutar código
8 de junioLiteLLMCVE-2026-42271Inyección de comandos en el host por cualquier usuario autenticado, incluso con claves internas de bajo privilegio
7 de julioLangflowCVE-2026-55255Un usuario autenticado puede ejecutar el flujo de otro usuario indicando su ID
21 de julioLangflowCVE-2026-0770Ejecución remota de código mediante funcionalidad incluida desde una fuente no fiable
4 de agostoLangflow (listado bajo IBM)CVE-2026-9198Ejecución remota de código sin autenticación en las instalaciones por defecto
17 de agostoRayCVE-2025-62593Inyección de código con ejecución remota, alcanzable a través de Firefox y Safari cuando Ray se usa como herramienta de desarrollo
19 de agostoMLflowCVE-2026-64849Server-side request forgery hacia servicios internos y metadatos cloud, devolviendo la respuesta
2 de septiembreLiteLLMCVE-2026-59822Elusión de la autenticación en el endpoint MCP Streamable HTTP con un Bearer token arbitrario
9 de noviembreGPUStackCVE-2026-102895Acceso administrativo sin autenticación, exposición de secretos de los workers y del proveedor cloud, ejecución de código

Hay dos cosas que llaman la atención. La primera es la velocidad. Según una nota de investigación de la Cloud Security Alliance, la CVE-2026-33017 de Langflow se explotó unas 20 horas después de hacerse pública. Un ciclo de parches mensual no aguanta ese ritmo. La segunda es la repetición: Langflow aparece cinco veces en ocho meses y LiteLLM tres. Son proyectos de código abierto jóvenes y que evolucionan rápido, y el mismo producto vuelve una y otra vez. Si usas uno, cuenta con que tendrás que actualizarlo de nuevo pronto.

Si quieres ver dónde encajan estas entradas en el conjunto del año, nuestro análisis de las vulnerabilidades explotadas en 2026 las sitúa junto a firewalls, VPN y servidores de colaboración.

Por qué estos servicios guardan las llaves

Un servidor web expuesto con una vulnerabilidad conocida es un problema. Un servicio de IA expuesto con una vulnerabilidad conocida suele ser un problema mayor, por lo que contiene.

Una pasarela LLM es una caja fuerte de API keys

Herramientas como LiteLLM actúan de proxy entre tus aplicaciones y los proveedores de modelos. Para ello guardan las API keys de los proveedores, emiten claves virtuales para los equipos internos y registran el consumo en una base de datos. Por eso importa la descripción de CISA de la CVE-2026-42208: una inyección SQL que lee la base de datos del proxy da acceso a las credenciales que gestiona. Una pasarela comprometida puede suponer claves robadas, facturas inesperadas, acceso a todos los prompts y respuestas que pasan por ella y un punto de apoyo en la red donde se ejecuta.

Las herramientas de orquestación ejecutan código por diseño

Langflow, n8n y entornos de notebooks como Marimo existen para que los usuarios construyan flujos que llaman a APIs, ejecutan scripts y se conectan a datos. Ejecutar código es una función, protegida por la autenticación. Cuando la autenticación falla o se puede eludir, como en varias entradas de la tabla, el atacante hereda un motor de ejecución remota listo para usar, normalmente con acceso de red a sistemas internos y a secretos de conexión guardados.

Las plataformas de ML y los clústeres de GPU llevan a la cuenta cloud

MLflow, Ray y GPUStack suelen ejecutarse en entornos cloud, junto a datos de entrenamiento, registros de modelos y almacenamiento de objetos. La SSRF de MLflow incluida en el KEV alcanza los servicios de metadatos cloud, la vía clásica hacia credenciales cloud temporales. La entrada de GPUStack menciona expresamente la exposición de secretos de los workers y del proveedor cloud. En ambos casos el servicio vulnerable es una puerta a toda la cuenta cloud.

Qué hacen realmente los atacantes: los honeypots de Wiz

La visión más concreta del comportamiento de los atacantes en 2026 vino de Wiz Threat Research, que mantuvo durante 90 días honeypots que imitaban servicios de IA. La Cloud Security Alliance resumió el estudio el 1 de septiembre de 2026. Los señuelos imitaban LiteLLM, Flowise, LangChain, Langflow, ChromaDB, Ollama, OpenWebUI y Node-RED. Entre la actividad registrada:

  • Configuraciones MCP maliciosas. Los atacantes enviaron configuraciones de servidores MCP de tipo stdio que lanzaban criptomineros disfrazados de procesos normales, sin dejar de responder correctamente al handshake del protocolo.
  • Elusión de la autenticación de LiteLLM. Se usaron Bearer tokens inventados, a veces solo la letra x, contra el fallo registrado después como CVE-2026-59822, para llegar a las herramientas MCP sin una clave válida.
  • Inyección de prompts a ciegas. Los payloads enviados a frameworks de agentes se confirmaban mediante callbacks DNS fuera de banda: los atacantes comprueban si un agente actúa sobre instrucciones inyectadas aunque no vean su salida.
  • Robo de credenciales de la memoria. Los atacantes leyeron la master key de LiteLLM directamente del proceso en ejecución.

La nota también recoge lo que no se vio: en ese periodo no se observaron ataques específicos contra Ollama ni ChromaDB. Sus recomendaciones son prácticas: actualizar LiteLLM a la versión 1.83.7 o posterior, comprobar que se rechazan los Bearer tokens malformados o de un solo carácter, mantener los endpoints MCP stdio fuera del acceso público y reservados a administradores, rotar las claves de proveedor emitidas a través del proxy si no se puede descartar una exposición, en lugar de fiarse solo de la revisión de logs, exigir autenticación por defecto, restringir el tráfico de salida y los permisos IAM, y vigilar los procesos hijos inusuales en los directorios de los frameworks de IA.

IA en la sombra: el piloto con IP pública

La mayoría de los servicios de IA expuestos que nos preocupan no los desplegó el equipo de seguridad. Son pruebas de concepto: una científica de datos lanza Langflow en una VM cloud para una demo, un desarrollador pone un proxy LiteLLM delante de tres proveedores para comparar costes, un equipo de innovación levanta un nodo GPU para un hackathon. El servicio recibe una IP pública porque es la forma más rápida de compartirlo, funciona con la configuración por defecto y nadie lo añade al inventario de activos. Es el mismo mecanismo que describimos en nuestro artículo sobre el shadow IT, con una diferencia: estos pilotos suelen contener API keys reales y conectarse a datos reales.

El Cost of a Data Breach Report 2026 de IBM da una idea de la escala. Según el anuncio de IBM, más del 20% de las organizaciones notificó una brecha dirigida a modelos o aplicaciones de IA. Las causas más frecuentes no fueron ataques sofisticados contra los modelos, sino debilidades corrientes de los sistemas que los rodean: APIs, aplicaciones o plug-ins comprometidos (27%) y configuraciones cloud erróneas que afectaban a cargas de trabajo de IA (27%). El resto del informe lo tienes en nuestro artículo sobre el coste de una brecha de datos en 2026.

La consecuencia práctica: antes de proteger tu stack de IA necesitas un inventario, y hay que construirlo desde dentro y desde fuera. Pregunta a los equipos qué han desplegado, pero comprueba también qué responde de verdad en tus rangos de IP y en tus cuentas cloud.

Bastionado: cinco controles que cierran la mayor parte del hueco

1. Autenticación en todo, empezando por la configuración por defecto

Varias de estas herramientas se han distribuido en algún momento con la autenticación opcional o desactivada por defecto, o con endpoints públicos que la saltan. Revisa cada instancia: inicio de sesión obligatorio, ningún flujo anónimo o público salvo que lo quieras de verdad, cuentas por defecto y de demo eliminadas, APIs de administración separadas de las de usuario. En las pasarelas, rechaza los tokens malformados y da a cada equipo su propia clave con alcance limitado en lugar de compartir la master key.

2. Una red privada, no una IP pública

Una herramienta de orquestación o una pasarela LLM rara vez necesita ser accesible desde todo internet. Ponla detrás de una VPN, un proxy de acceso zero trust o al menos una lista de IPs permitidas. Si una aplicación tiene que llamarla desde fuera, expón solo la API de esa aplicación a través de un proxy inverso con autenticación, nunca la interfaz de administración. En las plataformas cloud, busca en los security groups y reglas de firewall los puertos abiertos a 0.0.0.0/0 durante el piloto que nunca se cerraron.

3. Los secretos, fuera de la aplicación

Las API keys de los proveedores, las contraseñas de bases de datos y las credenciales cloud deben estar en un gestor de secretos, no en ficheros de entorno de la VM ni en la base de datos de la propia herramienta. Da a cada clave el alcance más reducido y el límite de gasto más bajo que funcionen, y planifica la rotación: si una versión vulnerable estuvo expuesta, rota las claves que contenía aunque los logs parezcan limpios. En los hosts cloud, exige IMDSv2 o la protección equivalente del servicio de metadatos, que mitiga SSRF como la de MLflow.

4. Control del tráfico de salida y vigilancia de procesos

Muchos de los ataques anteriores terminan con el servidor descargando un criptominero o un payload de segunda fase, o contactando con un dominio del atacante. Limitar la salida a los proveedores y servicios que la herramienta necesita rompe esa cadena. Vigilar qué procesos lanza el servicio de IA, con alertas ante shells o binarios inesperados en sus directorios, detecta lo que se cuele.

5. Versiones controladas frente al KEV

Estos proyectos publican versiones a menudo y se explotan deprisa. Mantén un inventario de qué versión de cada herramienta corre y dónde, suscríbete a los avisos de seguridad en GitHub de los proyectos que usas y trata una entrada del KEV sobre tu stack como prioridad del mismo día. Nuestro artículo sobre cómo priorizar vulnerabilidades con KEV, EPSS y SSVC explica cómo integrarlo en un proceso más amplio sin ahogarse en alertas.

Qué exige y qué no exige la Ley de IA desde el 2 de agosto de 2026

Muchas empresas esperaban que el 2 de agosto de 2026 fuera la gran fecha de la Ley de IA. El Ómnibus digital sobre IA cambió el panorama. Según los resúmenes publicados por despachos como Cuatrecasas y Lewis Silkin, el reglamento de modificación, el Reglamento (UE) 2026/1744, se publicó en el Diario Oficial de la UE el 24 de julio de 2026 y entró en vigor el 27 de julio de 2026. Las fechas principales, tal como las describen esos resúmenes:

ObligaciónSe aplica desde
Obligaciones de transparencia del artículo 50, como informar a las personas de que interactúan con un sistema de IA2 de agosto de 2026 (sin cambios)
Marcado legible por máquina de los contenidos generados, para sistemas introducidos en el mercado antes del 2 de agosto de 20262 de diciembre de 2026
Sistemas de IA de alto riesgo autónomos del anexo III2 de diciembre de 2027 (aplazado desde el 2 de agosto de 2026)
IA de alto riesgo integrada en productos regulados por el anexo I2 de agosto de 2028
Alfabetización en IA (artículo 4)Suavizada: proveedores y responsables del despliegue deben adoptar medidas que la favorezcan, sin un "nivel suficiente" obligatorio para cada persona

Antes de basarte en una fecha concreta, comprueba el texto definitivo en el Diario Oficial: son resúmenes, y tus obligaciones dependen de tu papel como proveedor o responsable del despliegue y de los sistemas que utilizas. Nuestra guía de la Ley de IA (PDF) desarrolla roles y niveles de riesgo.

Lo importante para los equipos de TI y seguridad es lo que la Ley de IA no hace. No te pide parchear Langflow, cerrar un puerto de LiteLLM ni rotar una API key. La seguridad de la infraestructura en la que corren tus herramientas de IA se rige por las normas que ya conoces: si estás en el ámbito de NIS2, las medidas de gestión de riesgos del artículo 21 cubren la gestión de vulnerabilidades, el control de accesos y la seguridad de la cadena de suministro también para estos sistemas; y si las herramientas tratan datos personales, el artículo 32 del RGPD exige una seguridad adecuada al riesgo. En España, mientras la transposición de NIS2 sigue pendiente, el RGPD y, para el sector público, el ENS ya cubren este terreno. Una brecha en una pasarela de IA expuesta se notifica y se valora bajo esos regímenes, no bajo la Ley de IA. Aplazar las obligaciones de alto riesgo a 2027 no aplaza nada en este frente.

Checklist: proteger la infraestructura de IA

  1. Construye el inventario. Enumera todas las herramientas de IA en uso (constructores de workflows, pasarelas LLM, notebooks, registros de modelos, bases vectoriales, clústeres GPU, servidores MCP), quién es responsable, dónde se ejecutan y en qué versión.
  2. Comprueba la exposición externa. Analiza dominios, rangos de IP y cuentas cloud en busca de servicios de IA que respondan desde internet, incluidos los no declarados.
  3. Cierra la lista KEV. Confirma que ninguna instancia de n8n, Langflow, Marimo, LiteLLM, Ray, MLflow o GPUStack ejecuta una versión afectada por las entradas de la tabla.
  4. Impón la autenticación. Sin acceso anónimo, sin flujos públicos por defecto, interfaces de administración separadas, tokens malformados rechazados.
  5. Saca las interfaces de administración de internet. VPN, proxy de acceso o lista de IPs permitidas; ninguna regla 0.0.0.0/0 heredada de los pilotos.
  6. Lleva los secretos a un gestor y rota los expuestos. Claves de proveedor con alcance reducido y límites de gasto; rotación tras cualquier exposición de una versión vulnerable.
  7. Restringe la salida y protege los metadatos. Tráfico saliente solo hacia los servicios necesarios; IMDSv2 o equivalente en los hosts cloud.
  8. Blinda MCP. Endpoints stdio solo para administradores y nunca públicos; revisa qué herramientas puede invocar cada agente.
  9. Vigila procesos y logs. Alertas ante shells y binarios inesperados lanzados por los servicios de IA; conserva los logs de acceso y de prompts donde hagan falta para investigar.
  10. Mapea las obligaciones. Registra qué obligaciones de la Ley de IA te afectan desde el 2 de agosto de 2026 y gestiona el riesgo de infraestructura dentro de tus medidas de seguridad de NIS2 y RGPD.

Cómo puede ayudarte Orizon

La mayoría de los servicios de IA expuestos se encuentran igual que los encuentra un atacante: desde fuera. RECON External parte de tu nombre de dominio y encuentra cada subdominio, puerto y servicio que expones a internet, incluidos los que no conocías. Identifica servidores, frameworks y productos, reconoce los paneles de login y de administración por su favicon incluso en puertos poco habituales, asocia los productos a CVE conocidas ponderadas con CISA KEV y EPSS, y después verifica cada hallazgo desde un servidor aislado, marcándolo como Probado, Por verificar o Cerrado con las evidencias. Para las cargas de trabajo de IA en las cuentas cloud que conectas mediante conectores de solo lectura, RECON Cloud añade AI Security Posture Management: endpoints de inferencia, bases vectoriales, registros de modelos y servidores MCP abiertos sin autenticación, modelos no fiables o en formato pickle, herramientas de agentes con privilegios excesivos, datos de entrenamiento sensibles e IA en la sombra, mapeados con el OWASP Top 10 for LLM Applications y el NIST AI RMF. Para el método completo de descubrimiento continuo, vuelve a nuestra guía de EASM.

ai-security
attack-surface
kev
langflow
litellm
mlflow
mcp
shadow-ai
ai-act