Lo que medimos · 22/11/2026
Si a un agente de IA que te ataca le niegas la prueba de que su ataque funcionó, se queda sin rumbo.
Sin defensa20 de 20
Cloudflare, protección por defecto20 de 20
Nuestra pieza0 de 20
Sin la prueba, ningún agente declaró éxito y gastó de 3 a 11 veces más peticiones.
¿Le llegó la prueba al atacante? Mismos ataques, dos modelos de IA, 10 corridas cada uno. Límite: una sola app de prueba, reglas por defecto del plan gratuito de Cloudflare, sin confirmar en su panel que la protección de respuestas estuviera activa; el ataque se ejecutó en el servidor en los tres.
«Si a un agente de IA que te ataca le niegas la prueba de que su ataque funcionó, se queda sin rumbo. Lo medimos: los mismos ataques, con dos modelos de IA atacando, 10 corridas cada uno. Sin defensa, la prueba le llegó 20 de 20 veces. Con la protección por defecto de Cloudflare, también 20 de 20. Con nuestra pieza, 0 de 20. Y sin esa prueba, ningún agente declaró éxito, y gastaron de 3 a 11 veces más peticiones.»
El problema
Un agente prueba, lee la respuesta, ajusta y vuelve a probar.
A velocidad de máquina. Y si lo bloqueas, le avisas que lo viste: aprende y cambia.
En julio de 2026, modelos de OpenAI en una evaluación interna salieron de su entorno y entraron a sistemas de Hugging Face.
Quien defiende ve miles de líneas de registro y no sabe cuál era un agente, qué buscaba ni si lo logró.
Fuente: comunicado de OpenAI del 21/07/2026.
«¿Por qué importa? En julio, modelos de OpenAI que estaban en una evaluación interna salieron de su entorno y entraron a sistemas de Hugging Face; lo informó la propia OpenAI. Un agente atacante trabaja así: prueba algo, lee la respuesta del servidor, ajusta y vuelve a probar. A velocidad de máquina. Y la defensa típica, bloquear, le dice que lo vieron: aprende y cambia. Mientras tanto, quien defiende ve miles de líneas de registro y no sabe cuál era un agente, qué buscaba ni si lo logró.»
Para quién · un caso
Una plataforma de RR. HH. y remuneraciones.
Liquidaciones, RUT, cuentas bancarias y contratos de los trabajadores de cientos de empresas: una sola falla abre los datos de todos sus clientes.
01 detectarmarca la sesión que sondea
02 engañarliquidaciones de mentira
03 negarno le llega la prueba
04 arreglardentro de las 3 horas de la ley
En nuestras pruebas, con una app de demostración: 30 de 30 ataques de tres modelos de IA marcados y desviados; la prueba del ataque, 20 de 20 → 0 de 20. Un ejemplo del tipo de sistema, no de una empresa en particular.
«Piensa en una plataforma de remuneraciones, como las de RR. HH. que todos usamos: guarda las liquidaciones de sueldo, los RUT, las cuentas bancarias y los contratos de los trabajadores de cientos de empresas. Para un agente de IA atacante es el objetivo ideal: una sola falla abre los datos de todos sus clientes. Con Reaper, la sesión que sondea queda marcada, va a una copia con liquidaciones de mentira, no recibe la prueba de que algo le funcionó, y el equipo ve qué buscaba y qué arreglar dentro de las 3 horas que da la ley chilena para la alerta temprana. En nuestras pruebas, con una app de demostración, marcamos y desviamos 30 de 30 ataques.»
La solución
Reaper controla lo que el agente cree que pasó.
1Detectarquién sondea rutas que no existen o pide archivos sensibles
2Engañara esa sesión le responde una copia falsa del sitio
3Negar la confirmaciónsi la respuesta trae la prueba del ataque, no sale
4Mostrar y arreglarsu recorrido, la falla y un arreglo propuesto
«Reaper se pone delante de tu sitio y hace cuatro cosas. Uno: detecta sondeos, quién pide rutas que no existen o archivos sensibles. Dos: desde ahí, a esa sesión le responde una copia falsa del sitio. Tres: si una respuesta trae la prueba de que el ataque funcionó, no se la entrega. Y cuatro: te muestra qué hizo, qué falla usó y cómo arreglarla. Esta es una captura real del panel, contra una falla real de Next.js: sin Reaper la prueba llegó; con Reaper, no.»
Demo en vivo aquí
El atacante se saltó el login de Next.js con una falla real. Recibió un error creíble.
Y el panel ya tiene la falla que usó y cómo arreglarla.
pnpm install && pnpm start
[Demo en vivo: panel en http://127.0.0.1:8787, sitio Next.js, botón «Modo demo»; avanzar con →. Son 7 pasos, ver el guion.] «Esto es Reaper delante de un Next.js real con una falla real, publicada: permite saltarse el login. Sin Reaper, la página protegida sale: el atacante confirma que funcionó. La misma solicitud pasando por Reaper: ve la prueba y la cambia por un error creíble. El reintento ya ni llega al servicio. Y abajo, la falla y el arreglo propuesto.» Si no hay panel: video de respaldo o esta captura. La prueba grabada usa solicitudes fijas, no un agente de IA: decirlo si preguntan.
Un agente de IA real · corrida del 22/11/2026
Creyó que robó los datos de un cliente. Todo era falso.
Peticiones 1 a 6Explorapáginas públicas de la tienda real
Petición 7Queda marcadointenta una inyección SQL; Reaper lo desvía
Peticiones 8 a 41Ataca la copia«entra», lee un «cliente» y un token: todo plantado
Su informe finalDatos reales: 0le reporta a su operador un cliente que no existe
Con tres modelos de IA atacando: 30 de 30 marcados y desviados, 0 de 30 leyeron datos sensibles reales, 0 de 30 agentes legítimos marcados.
Tienda de demostración con fallas plantadas, un solo equipo. Datos y registros: evidencia-agentes/RESULTADOS.md, caso 1 (glm-5.3-prime).
«Y esto no es solo una grabación. Pusimos un agente de IA real a atacar: en la petición 7 quedó marcado y Reaper lo desvió a una copia. Siguió atacando 34 peticiones más, creyó que entró, y le reportó a su operador los datos de un cliente. Ese cliente no existe. Datos reales filtrados: cero. Con tres modelos, 30 de 30 fueron desviados y ninguno de 30 agentes legítimos fue molestado.»
Lo que medimos
30 de 30agentes de IA marcados y desviados; 0 de 30 legítimos marcados
3/3 → 0/3contra una falla real de Langflow
3 a 11×más peticiones gastó el agente sin la prueba
18/20 → 0/20concluyó que la falla existía: con un 403 y con Reaper
Cloudflare, 21/10/2026
Solo para el tráfico de su red. En nuestro benchmark, la prueba le llegó al atacante 20 de 20 veces por Cloudflare (reglas por defecto, plan gratuito).
Reaper
Abierto, delante de tus servidores: 0 de 20. Responde algo falso y creíble, y te explica el recorrido.
«Y no es solo el benchmark. Contra tres modelos de IA atacando, Reaper marcó y desvió 30 de 30, sin marcar a ninguno de 30 agentes legítimos. La prueba del ataque dejó de llegar 3 de 3 a 0 de 3 contra una falla real de Langflow, sin bloquear ninguno de 34 pedidos legítimos; sin la prueba, el agente gastó de 3 a 11 veces más peticiones. ¿Y si bloqueamos con un 403? También le niega la prueba, igual que parchar, y parchar es mejor cuando se puede. Pero con el 403 el agente concluyó que la falla existía en 18 de 20 corridas y se puso a evadir el filtro; con Reaper, en 0 de 20. Cloudflare protege solo lo que pasa por su red; Reaper es abierto, corre delante de tus servidores, responde algo falso y te explica el recorrido.»
Lo que todavía no hace
- No evita el primer golpe: el primer intento igual se ejecutó en el servidor. El reintento ya no llega: 2 de 2 contenidos, contra fallas reales de Next.js y Vite.
- La detección contra agentes de IA se midió en un solo equipo, con una tienda de demostración; frente a escáneres clásicos encuentra 1 de cada 10 sesiones.
- El benchmark mide una sola app de prueba, con las reglas por defecto de Cloudflare.
Que el agente no sepa
si su ataque funcionó.
team-7 · reaper.haroldmedrano33.workers.dev
«Lo decimos de frente: no evita el primer golpe, el primer intento igual se ejecuta en el servidor. Lo que evita es que el atacante reciba la prueba, y el reintento ya no llega: 2 de 2 contenidos, contra fallas reales de Next.js y Vite. La detección marcó 30 de 30 agentes de IA, pero en un solo equipo y con una tienda de demostración; frente a escáneres clásicos encuentra 1 de cada 10 sondeos. Y el benchmark es una sola app de prueba con las reglas por defecto de Cloudflare. Lo que sí tenemos es el mecanismo funcionando y medido. Reaper: que el agente no sepa si su ataque funcionó. Somos team-7, gracias.»
PREGUNTAS ENSAYADAS
«Cloudflare ya lo hace.» «Sí, y eso valida la idea: retener la respuesta de un ataque exitoso sirve. Pero lo de Cloudflare protege solo lo que pasa por su red y, según su anuncio, todavía no tiene reglas sobre el cuerpo de la respuesta. Reaper es abierto, corre delante de tus servidores, responde algo falso y te explica el recorrido. En nuestro benchmark, con sus reglas por defecto del plan gratuito, la prueba llegó 20 de 20 por Cloudflare y 0 de 20 por Reaper. Límite: una sola app de prueba, y no pudimos confirmar desde su panel que su protección de respuestas estuviera activa. No decimos que seamos mejores: decimos lo que medimos.»
«¿Dónde está la IA?» «El atacante es un agente de IA. Con agentes medimos tres cosas: la confirmación negada con dos modelos atacando, 20 de 20 a 0 de 20; la detección y el desvío con tres modelos, 30 de 30 ataques marcados y desviados a la copia falsa y 0 de 30 agentes legítimos marcados; y Espejismo, 95 corridas con 8 modelos. Límite: un solo equipo y una tienda de demostración. Y en el panel, un modelo escribe el arreglo propuesto y responde preguntas, para que una persona decida.»
«¿Por qué no bloquear con un 403?» «Lo medimos: el 403 y el parche también dejan la prueba en 0 de 20, y parchar es mejor cuando se puede. La diferencia es lo que aprende el agente: con el 403 concluyó que la falla existía en 18 de 20 corridas; con Reaper, en 0 de 20. No medimos que eso cause más daño.»
«La muestra es chica.» «Sí: 5, 3 y 20 corridas, y una sola app de prueba; lo decimos en la lámina. Lo que sostiene el resultado es que el mecanismo es determinista: si la respuesta trae la prueba y el pedido era sospechoso, no sale. Y no bloqueó ninguno de 34 pedidos legítimos. Lo siguiente es más corridas con agentes reales y tráfico humano real.»
«¿Evita el ataque?» «No. En todas las pruebas el ataque se ejecutó en el servidor. Lo que evita es que el atacante reciba la prueba de que funcionó, y te da el arreglo para cerrar la falla. En un ataque ciego, que no devuelve nada, un proxy no puede ayudar: eso va en el servidor.»