Vishing con IA: llamadas deepfake que eluden el MFA

La autenticación multifactor funciona exigiendo algo más que una contraseña. Presupone que el atacante no puede obtener ese segundo factor. El vishing con IA no rompe ese supuesto desde lo técnico: lo rodea desde lo social.

Las campañas más eficaces de los últimos dieciocho meses comparten un patrón: atacan el proceso de recuperación, no el de inicio de sesión. El atacante llama a la mesa de ayuda haciéndose pasar por un directivo de viaje o por un empleado nuevo que perdió su dispositivo. El agente, presionado por una cola de tickets y un objetivo de tiempo medio de atención, verifica la identidad con el nombre, el número de empleado, la fecha de nacimiento, el nombre del jefe o los últimos cuatro dígitos de un teléfono. Todos esos datos están disponibles en LinkedIn, en el sitio corporativo, en una filtración o en un intermediario de datos.

Una vez verificado, el agente hace exactamente aquello para lo que fue formado y por lo que se le mide: restablece la contraseña o vuelve a registrar el token de MFA. El atacante pasa a tener una identidad plenamente legítima. Sin malware, sin exploits y sin inicios de sesión anómalos desde un país desconocido, porque el registro se autorizó por la puerta principal.

Una segunda variante ataca directamente a los empleados. El atacante dispara una notificación de MFA auténtica y luego llama al usuario con una voz clonada, diciendo ser el servicio de soporte, pidiendo disculpas por la interrupción y solicitando que la apruebe. Como la notificación es real y la voz resulta familiar, las tasas de aprobación son altas.

La falla de fondo es arquitectónica. La verificación de identidad en la mayoría de las empresas se basa en conocimiento, y el conocimiento ya no es secreto. El identificador de llamadas se falsifica con facilidad. Y la mesa de ayuda —el único equipo facultado para anular todos los controles de autenticación de la organización— suele ser el menos instrumentado desde el punto de vista de seguridad. Cerrar esta brecha exige gobernar de forma conjunta las funciones de identidad, ciberseguridad y telefonía, en lugar de tratarlas como tres decisiones de compra separadas.

Comprender la secuencia es lo que hace práctica la defensa. Una campaña típica se desarrolla en cinco etapas.

1. Reconocimiento. El atacante mapea la organización con fuentes abiertas: nombres de directivos, estructura de reporte, teléfono de la mesa de ayuda, relaciones con proveedores de TI, la convención de nombres del correo electrónico y qué empleados viajan. Las ofertas de empleo y las páginas de soporte suelen revelar qué proveedor de identidad y qué sistema de tickets se utilizan.

2. Captura de voz. Bastan unos segundos de audio limpio. Sirven grabaciones de conferencias, llamadas con inversionistas, entrevistas en YouTube o saludos de buzón de voz. Algunos grupos simplemente llaman al objetivo con un pretexto y graban la respuesta.

3. Construcción del pretexto. El atacante arma un escenario con un motivo legítimo de urgencia y una razón legítima para que el canal habitual no esté disponible: una cuenta bloqueada antes de una presentación con un cliente, un dispositivo olvidado en un avión, una fusión que exige discreción. El identificador de llamadas se falsifica para coincidir con una extensión interna o con el número de un proveedor conocido.

4. La llamada. El atacante contacta a la mesa de ayuda o al empleado. El audio clonado puede usarse durante toda la llamada o en un momento decisivo, como un supuesto jefe que confirma la aprobación en un traspaso breve. La conversión de voz en tiempo real permite hoy que un operador hable con naturalidad mientras la víctima escucha a otra persona.

5. Captura de credenciales y movimiento lateral. Con la contraseña restablecida o el MFA vuelto a registrar, el atacante se autentica como el empleado. A partir de ahí los objetivos son conocidos: reglas de buzón para persistencia, acceso a recursos compartidos y sistemas financieros, movimiento lateral hacia la administración del dominio y, en muchos casos, robo de datos seguido de extorsión.

Cada etapa deja señales. El reconocimiento genera consultas inusuales al directorio. El restablecimiento genera un evento de registro de MFA. El movimiento lateral genera autenticaciones desde un dispositivo o una ruta de red nuevos. Ninguna de esas señales significa gran cosa por separado, y por eso la correlación entre telemetría de identidad, endpoint y red en un SOC gestionado con SIEM y MDR es lo que convierte eventos dispersos en una detección.

Tratar el canal de voz como parte del perímetro de seguridad genera retornos medibles que van más allá de evitar una brecha.

Contención más rápida. Cuando los restablecimientos de la mesa de ayuda generan eventos de seguridad estructurados, un registro no autorizado puede detectarse en minutos en lugar de descubrirse semanas después durante una investigación. El tiempo de permanencia mediano es el mayor factor individual del costo total de una brecha.

Menor exposición al fraude. La misma técnica de voz clonada que elude el MFA se usa para autorizar pagos. Los equipos financieros que adoptan verificación por devolución de llamada fuera de banda para cambios de pago eliminan toda una categoría de pérdidas, y las aseguradoras preguntan cada vez más por ese control en la renovación.

Alineación regulatoria. Los reguladores financieros, los marcos del sector salud y los regímenes de protección de datos en América y Europa convergen hacia la exigencia de verificar la identidad por medios que el solicitante no pueda autoafirmar. Implementarlo ahora evita una remediación apresurada más adelante.

Credibilidad operativa. Los agentes de la mesa de ayuda cargan hoy con una responsabilidad imposible: juzgar autenticidad en tiempo real sin herramientas. Sustituir ese juicio por un flujo determinista —una notificación fuera de banda a un dispositivo registrado, aprobación del jefe canalizada por el sistema de tickets, confirmación por video para cuentas privilegiadas— libera al agente de esa presión y cierra la brecha al mismo tiempo.

Mejor economía por consolidación. Las organizaciones que gestionan voz, conectividad y seguridad con proveedores desconectados no tienen un único lugar donde ver que una llamada entrante falsificada precedió a un restablecimiento de credenciales. Consolidar la conectividad gestionada y SD-WAN con la voz y el monitoreo de seguridad convierte esa correlación en una capacidad estándar y no en un ejercicio forense.

HIT Communications ocupa una intersección poco común. Llevamos más de 30 años operando infraestructura empresarial de voz y conectividad en América Latina, Estados Unidos y Europa, y operamos un centro de operaciones de seguridad para esos mismos clientes. El vishing con IA es precisamente el tipo de amenaza que cae entre ambas disciplinas, y que se pasa por alto cuando las gestionan proveedores distintos.

En el lado de voz, nuestros servicios de SIP trunking y tráfico de voz incluyen controles de autenticación de llamadas entrantes, detección de suplantación y registros detallados de llamadas que hacen visibles los patrones sospechosos. Nuestras plataformas de PBX en la nube y centro de contacto soportan flujos de verificación grabados y auditables para mesa de ayuda y finanzas, y nuestras implementaciones de Microsoft Teams Direct Routing mantienen la voz corporativa dentro de un perímetro gobernado y monitoreado, y no en dispositivos móviles no administrados.

En el lado de seguridad, nuestro SOC gestionado ofrece monitoreo 24/7, correlación SIEM y detección y respuesta gestionadas, tratando la telemetría de identidad —registros de MFA, restablecimientos de contraseña, autenticaciones de viaje imposible— como señales de primer nivel y no como ruido. Nuestro equipo de servicios gestionados de TI se encarga del trabajo operativo que realmente cierra la brecha: rediseñar los procedimientos de verificación de la mesa de ayuda, definir las rutas de escalamiento para cuentas privilegiadas y ejecutar los ejercicios de mesa que revelan si el nuevo proceso resiste a un interlocutor decidido.

La combinación importa. Detectar una campaña de voz clonada exige ver la llamada y el evento de identidad en la misma vista.

El vishing con IA pasó de ser una curiosidad a ser una de las dos o tres vías más confiables para entrar en una red corporativa. Funciona porque ataca la costura entre dos equipos que rara vez hablan: quienes operan la telefonía y quienes operan la identidad. La tecnología que lo abarató no va a desaparecer, y la calidad de la clonación de voz seguirá mejorando.

La respuesta defensiva no requiere herramientas exóticas. Requiere tres decisiones. Primero, eliminar la verificación basada en conocimiento de todo flujo que pueda conceder acceso, y sustituirla por algo que el solicitante no pueda autoafirmar, como una notificación fuera de banda a un dispositivo registrado o la aprobación del jefe a través del sistema de tickets. Segundo, hacer que los restablecimientos de credenciales y los registros de MFA de la mesa de ayuda generen eventos de seguridad que un SOC realmente monitoree. Tercero, formar a los empleados en que una voz familiar ya no es prueba de identidad, y darles una vía sin sanción para colgar y devolver la llamada a un número conocido.

Las organizaciones que adopten estos cambios ahora los encontrarán mucho más económicos que el incidente que se los impondrá después.

¿Listo para cerrar la brecha entre su infraestructura de voz y sus controles de identidad? Contacte a HIT Communications para evaluar en conjunto su flujo de verificación en la mesa de ayuda, la autenticación de llamadas entrantes y la cobertura de monitoreo de identidad.