CompTIA SecAI+ CY0-001: Prepara la Certificación + Prac Exam

Descubre qué es la inteligencia artificial y por qué transformó la ciberseguridad. Aprende los seis tipos clave de IA —desde machine learning hasta IA generativa— y cómo se relacionan entre sí en una jerarquía que todo profesional de seguridad debe conocer. Comprende los beneficios que la IA aporta a la detección de amenazas y la automatización SOC, pero también los nuevos riesgos que introduce: vulnerabilidades en modelos, brechas de gobernanza, algoritmos sesgados y exposición de datos de entrenamiento. Esta clase sienta las bases del Dominio 1 del examen CompTIA SecAI+ (CY0-001).

Profundiza en el funcionamiento de cada tipo de IA: cómo aprende el machine learning a partir de datos, por qué el aprendizaje estadístico se enfoca en la interpretabilidad, cómo las redes neuronales del deep learning procesan tareas complejas, qué es el mecanismo de autoatención de los transformers y por qué la IA generativa marcó un antes y un después. Para cada tipo descubrirás sus aplicaciones concretas en ciberseguridad y las vulnerabilidades específicas que introduce. Comprende el trade-off entre interpretabilidad y eficiencia, un concepto crítico para el Dominio 1 del examen CompTIA SecAI+ (CY0-001).

Dominio(s) del examen: Dominio 1 — Basic AI Concepts for Cyber (17%)

Analiza cómo la IA generativa funciona como arma de doble filo en ciberseguridad. Conoce sus usos ofensivos —phishing automatizado, malware polimórfico y deepfakes— y sus aplicaciones defensivas —simulación de amenazas, entrenamiento de concientización y construcción de playbooks de respuesta. Comprende los riesgos inherentes como salidas sesgadas, extracción de información sensible y explotación adversarial. Aprende las mejores prácticas para asegurar claves API y los pilares de gobernanza que toda organización necesita al adoptar IA generativa: políticas de uso, seguridad del pipeline, monitoreo continuo y capacitación del equipo de seguridad. Contenido alineado con los Dominios 1, 2 y 4 del examen CompTIA SecAI+ (CY0-001).

Dominio(s) del examen: Dominio 1 — Basic AI Concepts for Cyber (17%), Dominio 2 — Securing AI Systems (40%), Dominio 4 — AI Governance, Risk and Compliance (19%)

Comprende cómo el machine learning impulsa la seguridad moderna: detección predictiva de amenazas, triaje de alertas, integración con SIEM y EDR, y reducción de fatiga del analista. Domina la diferencia entre aprendizaje supervisado —entrenado con datos etiquetados para amenazas conocidas— y aprendizaje no supervisado —capaz de detectar amenazas desconocidas y zero-days sin ejemplos previos. Analiza las limitaciones críticas de los modelos en producción: puntos ciegos por datos históricos, concept drift que degrada predicciones silenciosamente, y ataques de data poisoning que corrompen el entrenamiento. Aprende las estrategias de mitigación para cada amenaza. Contenido del Dominio 1 y Dominio 2 del examen CompTIA SecAI+ (CY0-001).

Dominio(s) del examen: Dominio 1 — Basic AI Concepts for Cyber (17%), Dominio 2 — Securing AI Systems (40%)

Descubre cómo el algoritmo Isolation Forest detecta anomalías en datos de seguridad sin necesidad de ejemplos previos, y cómo se integra dentro de la cadena operativa del SOC: desde la ingesta de logs hasta la generación automática de alertas. Comprende los tres conceptos estadísticos que todo analista de seguridad necesita dominar: el trade-off entre sesgo y varianza, los intervalos de confianza para priorizar alertas por fiabilidad, y las pruebas de hipótesis para distinguir anomalías reales de ruido. La fluencia estadística no es opcional: es una competencia central evaluada en el Dominio 1 del examen CompTIA SecAI+ (CY0-001).

Dominio(s) del examen: Dominio 1 — Basic AI Concepts for Cyber (17%), Dominio 2 — Securing AI Systems (40%)

Aprende cómo los grandes modelos de lenguaje se aplican directamente a operaciones de seguridad: desde el análisis de logs crudos hasta la correlación de indicadores de ataques multietapa en tiempo real. Comprende la diferencia entre modelos locales —ideales para datos sensibles que no pueden salir de la organización— y modelos en la nube —superiores en razonamiento complejo y correlación. Domina los cuatro casos de uso prácticos: priorización de escaneos de vulnerabilidades, identificación de CVEs en logs, resúmenes de incidentes multifuente y Q&A interactivo de amenazas. Descubre cómo estructurar prompts efectivos para análisis de seguridad y por qué la correlación, no el análisis aislado, es lo que separa a los modelos avanzados. Contenido del Dominio 3 del examen CompTIA SecAI+ (CY0-001).

Dominio(s) del examen: Dominio 3 — AI-Assisted Security (24%)

Profundiza en cómo funciona la arquitectura de transformers y su mecanismo de autoatención (self-attention), que permite procesar secuencias completas en paralelo asignando puntuaciones de relevancia a cada token. Descubre por qué los transformers resolvieron el problema de los datos no estructurados en seguridad, donde las herramientas basadas en firmas no pueden operar. Explora sus aplicaciones directas: análisis de logs a escala, clasificación de contenido malicioso, detección de phishing avanzado e identificación de amenazas internas. Comprende cómo esta arquitectura es la base de todos los LLMs y herramientas de IA generativa evaluados en el examen CompTIA SecAI+ (CY0-001). Contenido de los Dominios 1 y 3.

Dominio(s) del examen: Dominio 1 — Basic AI Concepts for Cyber (17%), Dominio 3 — AI-Assisted Security (24%)

Comprende qué es el deep learning y por qué supera al machine learning tradicional cuando los datos son no estructurados. Compara los sistemas IDS tradicionales basados en reglas con los IDS potenciados por deep learning, capaces de detectar ataques zero-day sin firmas previas. Domina las tres arquitecturas clave: CNN para clasificación de malware, RNN para análisis secuencial de logs y Autoencoders para detección no supervisada de anomalías. Aprende cómo la ventaja del aprendizaje continuo permite que los modelos de deep learning mejoren su precisión con cada nuevo dato de amenaza. Contenido esencial para los Dominios 1 y 2 del examen CompTIA SecAI+ (CY0-001).

Dominio(s) del examen: Dominio 1 — Basic AI Concepts for Cyber (17%), Dominio 2 — Securing AI Systems (40%)

Comprende qué es el procesamiento de lenguaje natural (NLP) y cómo permite a las máquinas comprender, interpretar y generar lenguaje humano. Explora sus aplicaciones directas en ciberseguridad: extracción automática de IOCs desde reportes, detección semántica de phishing, clasificación de alertas de alto volumen, monitoreo de dark web y automatización de respuestas. Aprende los tres mecanismos de integración con el SOC —RAG para consultar fuentes externas, salidas estructuradas en JSON para SIEM y SOAR, y function calling para invocar playbooks y consultas—. Domina los cuatro guardrails obligatorios para desplegar NLP de forma segura: filtrado de entradas, registro de auditoría, filtrado de salidas y human-in-the-loop. Contenido de los Dominios 1 y 3 del examen CompTIA SecAI+ (CY0-001).

Dominio(s): Dominio 1 — Basic AI Concepts for Cyber (17%), Dominio 3 — AI-Assisted Security (24%)

Aprende a distinguir entre LLMs (modelos de lenguaje de gran escala) y SLMs (modelos de lenguaje pequeño): cuándo elegir cada uno según la sensibilidad de los datos, los recursos de hardware disponibles y la complejidad del análisis requerido. Comprende el riesgo de uso dual de los LLMs, que pueden potenciar tanto operaciones defensivas como ataques de phishing e ingeniería social. Descubre la arquitectura de las GANs (redes generativas adversariales), donde un generador y un discriminador compiten para producir datos sintéticos indistinguibles de los reales. Explora sus aplicaciones en seguridad: simulaciones de ataques, generación sintética de logs, creación de variantes de malware para pruebas y compartición segura de datos entre organizaciones. Contenido de los Dominios 1 y 2 del examen CompTIA SecAI+ (CY0-001).
Dominio(s): Dominio 1 — Basic AI Concepts for Cyber (17%), Dominio 2 — Securing AI Systems (40%)

Comprende cómo funciona el pipeline de entrenamiento de modelos de IA en ciberseguridad y por qué cada etapa es un punto crítico de seguridad. Aprende la separación obligatoria de datasets (entrenamiento, validación, test), cómo los ataques de envenenamiento de datos manipulan silenciosamente el comportamiento del modelo antes de que llegue a producción, y cómo los ejercicios de Red Team aplicados a machine learning detectan estas amenazas. Descubre las cuatro etapas de integridad que todo modelo debe cumplir antes y después del despliegue, y entiende el rol dual que los profesionales de ciberseguridad deben asumir en entornos aumentados con IA. Clase alineada con el Dominio 2 del examen CompTIA SecAI+ (CY0-001): Asegurar Sistemas de IA.

Domina los dos algoritmos clave de aprendizaje supervisado que aparecen en el examen CompTIA SecAI+ (CY0-001): árboles de gradiente (Gradient Boosted Decision Trees) para telemetría estructurada y redes neuronales convolucionales (CNNs) para detección de malware a nivel de bytes. Aprende cómo funcionan las fronteras de decisión y por qué su posición determina los falsos positivos y falsos negativos de tu modelo. Entiende por qué la explicabilidad no es opcional en ciberseguridad, y conoce las herramientas para lograrlo: puntajes de importancia de características y valores SHAP. Finalmente, descubre el concepto de supervisión débil (weak supervision), sus riesgos de ruido en etiquetas, y las cuatro técnicas para mitigarlos. Clase alineada con el Dominio 2: Asegurar Sistemas de IA.

Recorre paso a paso el pipeline completo de cinco etapas del aprendizaje supervisado aplicado a ciberseguridad: recolección de datos, etiquetado, preprocesamiento, entrenamiento y evaluación con interpretación. Aprende cómo preparar datos de red para un modelo de IA mediante codificación one-hot y normalización, y por qué cada etapa introduce vulnerabilidades específicas. Domina las métricas de evaluación que el examen SecAI+ (CY0-001) exige: precisión, recall, F1 score y la matriz de confusión con sus cuatro categorías. Entiende por qué los falsos negativos son catastróficos en seguridad y cómo este mismo pipeline opera dentro de las plataformas SIEM y XDR que usas a diario. Clase alineada con el Dominio 2: Asegurar Sistemas de IA.

Domina las tres técnicas de aprendizaje no supervisado que el examen CompTIA SecAI+ (CY0-001) exige para el Dominio 2: clustering para perfilar comportamiento normal y detectar desviaciones, autoencoders para identificar anomalías sutiles mediante error de reconstrucción, y análisis basado en grafos para revelar movimiento lateral y cadenas de escalación de privilegios. Aprende cuándo cada técnica supera a las otras, por qué el aprendizaje no supervisado es la herramienta correcta cuando no hay etiquetas disponibles (amenazas zero-day, insider threats, cargas cloud nuevas), y cómo el ciclo de retroalimentación humana con active learning transforma cada alerta revisada en un nuevo ejemplo de entrenamiento que mejora continuamente la precisión del modelo.

Comprende cómo el aprendizaje por refuerzo (Reinforcement Learning) transforma la ciberseguridad al permitir que los agentes de IA no solo detecten anomalías, sino que tomen decisiones autónomas y actúen sobre ellas. Domina el marco fundamental de estado, acción y recompensa, y entiende el concepto de episodio como ciclo de aprendizaje. Conoce los casos de uso en seguridad: ajuste adaptativo de firewalls, triaje automatizado de correo, decepción dinámica con honeypots, y contención autónoma de endpoints. Aprende por qué el entrenamiento debe realizarse en entornos aislados y cómo los ciclos de retroalimentación disciplinados garantizan que el agente esté listo para producción. Clase alineada con el Dominio 2 del examen CompTIA SecAI+ (CY0-001): Asegurar Sistemas de IA.

Domina los conceptos de transfer learning y fine-tuning que el examen CompTIA SecAI+ (CY0-001) exige dentro del Dominio 2. Aprende la diferencia entre pre-entrenar un modelo desde cero y transferir conocimiento de un modelo existente para crear uno especializado. Comprende cuándo usar fine-tuning estándar versus PEFT (Parameter-Efficient Fine-Tuning) según la brecha de conocimiento y la criticidad del dominio. Conoce las dos técnicas de optimización que permiten desplegar modelos en entornos con recursos limitados: pruning para eliminar pesos innecesarios y quantization para reducir el consumo de memoria. Entiende por qué estas técnicas son fundamentales para que los equipos de seguridad puedan desplegar modelos especializados sin clusters de GPU masivos.

Comprende el aprendizaje federado (federated learning), el paradigma donde el modelo viaja a los datos y no al revés, eliminando la necesidad de centralizar información sensible. Domina el ciclo de entrenamiento distribuido entre modelo global y dispositivos cliente, y entiende por qué esta arquitectura es compatible por diseño con regulaciones como GDPR y HIPAA. Conoce los desafíos operativos: sesgo por datasets desiguales, deriva del modelo y sobrecarga de comunicación. Aprende los dos riesgos de seguridad críticos que el examen SecAI+ (CY0-001) exige: ataques de envenenamiento de datos en contexto federado e inferencia/inversión de modelo, junto con sus mitigaciones específicas: privacidad diferencial (ruido estadístico) y agregación segura (actualizaciones cifradas). Incluye casos de uso reales en inteligencia de amenazas, endpoints móviles, salud e IoT industrial.

Domina el prompt engineering como habilidad operativa de ciberseguridad, no como novedad de IA. Aprende a configurar roles de sistema que funcionan como procedimientos operativos estándar (SOPs) en cada interacción con un LLM, definiendo alcance, formato y límites. Comprende por qué la salida estructurada en formato JSON es la clave para integrar directamente los resultados de la IA con plataformas SIEM y SOAR sin capas de traducción. Descubre cómo instruir al LLM para enriquecer alertas automáticamente con puntuaciones de reputación, clasificaciones de malware y prioridades, y cómo etiquetar eventos con frameworks como MITRE ATT&CK para lograr cumplimiento regulatorio y preparación para auditorías. Entiende las consecuencias reales de un prompt mal diseñado en un pipeline automatizado.

Comprende el rol del user prompt como la instrucción específica que opera dentro de los guardrails definidos por el system prompt, y domina la analogía del volante que el examen SecAI+ (CY0-001) utiliza para distinguir ambos niveles. Aprende a construir prompts de usuario efectivos combinando tres elementos: contexto, perspectiva y forma de salida. Descubre por qué enviar datos sensibles a modelos públicos sin sanitización es un riesgo crítico de exposición, y domina la técnica de reemplazo tokenizado (tokenized replacement) como estándar profesional para proteger direcciones IP, nombres de host y código propietario sin degradar la calidad del análisis. Conoce las mejores prácticas para validar prompts antes de desplegarlos en flujos de trabajo en producción.

Pon en práctica el prompt engineering aplicado a ciberseguridad con ejercicios reales de inteligencia de amenazas usando ChatGPT. Aprende cuatro prompts profesionales diseñados para tareas críticas del SOC: resumir reportes de amenazas en puntos clave, extraer indicadores de compromiso (IOCs) en formato estructurado, generar planes de mitigación paso a paso, y producir resúmenes ejecutivos en lenguaje no técnico. Para cada prompt, comprende qué objetivo de seguridad cumple, qué técnica de prompt engineering aplica, y por qué su estructura produce resultados accionables. Incluye ejercicio práctico descargable para que repliques cada prompt con reportes de ejemplo. Clase alineada con el Dominio 2 del examen CompTIA SecAI+ (CY0-001).

Aplica el prompt engineering a la identificación y comunicación de vulnerabilidades usando ChatGPT. Aprende cinco prompts profesionales diseñados para tareas reales: resumir CVEs en lenguaje simple, evaluar el impacto de una vulnerabilidad en un sistema específico, extraer las vulnerabilidades más críticas de un reporte Nessus, explicar hallazgos técnicos a gerentes no técnicos, y generar resúmenes ejecutivos enfocados en impacto de negocio. Para cada prompt, comprende qué objetivo de seguridad cumple, qué técnica de prompt engineering aplica, y cómo la especificidad y la definición de audiencia transforman la calidad de la salida. Incluye ejercicio práctico descargable. Clase alineada con el Dominio 2 del examen CompTIA SecAI+ (CY0-001).

Domina las tres técnicas de prompting que el examen CompTIA SecAI+ (CY0-001) exige: zero-shot para velocidad máxima sin referencias, one-shot para clasificación rápida con un ejemplo de alta calidad, y multi-shot para máxima precisión con múltiples muestras etiquetadas. Comprende los trade-offs de velocidad, precisión y costo de tokens en cada técnica y aprende cuándo usar cada una según el escenario de seguridad. Descubre cómo las plantillas de prompts (prompt templates) con placeholders dinámicos permiten automatizar el análisis de seguridad a escala, conectando scripts de automatización con SIEM y SOAR. Entiende por qué la sanitización de datos debe ocurrir ANTES de llenar los placeholders y nunca después. Clase alineada con el Dominio 2: Asegurar Sistemas de IA.

Domina las defensas que protegen los modelos de IA contra ataques de inyección de prompts y otras amenazas directas, contenido esencial del Dominio 2 del examen CompTIA SecAI+ (CY0-001). Comprende cómo funciona el prompt injection como equivalente de la inyección SQL pero contra modelos de lenguaje, y dónde puede ocultarse: emails, documentos, PDFs, páginas web y salidas de herramientas. Aprende las cinco capas de defensa en profundidad: filtros de política en el system prompt como primera línea, frameworks de guardrails (OpenAI y NVIDIA NeMo) como proxies inversos que inspeccionan entradas y salidas, watermarking criptográfico para verificar procedencia de respuestas, rate limiting en el API gateway para frenar ataques de fuerza bruta, y registro de auditoría exhaustivo para reconstrucción forense. Entiende por qué la ingeniería de prompts debe tratarse con la misma disciplina que DevSecOps aplica al código compilado.

Aprende cómo proteger los datos que alimentan tus sistemas de inteligencia artificial en cada etapa de su ciclo de vida. Esta clase cubre el procesamiento seguro de datos desde su recolección hasta su transmisión, los tres requisitos regulatorios clave para la seguridad de datos en IA — controles de procedencia de datos (data provenance), transparencia algorítmica y monitoreo post-despliegue — y por qué la calidad de los datos determina directamente la efectividad de tus defensas de ciberseguridad basadas en IA. También explorarás el concepto de resiliencia por diseño y cómo los sistemas de IA bien diseñados se mantienen auditables y adaptables ante amenazas y regulaciones en constante evolución. Contenido alineado con el Dominio 2 del examen CompTIA SecAI+ (CY0-001).

Aprende las cuatro consideraciones fundamentales de seguridad de datos para sistemas de inteligencia artificial. Esta clase cubre el endurecimiento del pipeline de datos (data pipeline hardening) con verificación de integridad, limpieza y cifrado; los riesgos específicos de los tres tipos de datos — estructurados, semi-estructurados y no estructurados — cuando alimentan sistemas de IA; la técnica de watermarking para datasets y modelos como mecanismo de protección de integridad, propiedad legal y defensa contra ingeniería inversa; y la arquitectura segura de RAG (Retrieval-Augmented Generation) con cifrado del índice vectorial, aislamiento de tenants y sanitización de inputs. Todo alineado con el Dominio 2 del examen CompTIA SecAI+ (CY0-001).

Comprende los tres tipos de datos que alimentan los sistemas de inteligencia artificial y por qué conocerlos es fundamental antes de construir cualquier modelo. Esta clase cubre los datos estructurados con su esquema rígido y procesamiento eficiente por máquinas; los datos semi-estructurados como JSON, XML y HTML que ofrecen flexibilidad con organización parcial mediante tags y esquemas auto-descriptivos; y los datos no estructurados — texto, imágenes, audio, video y publicaciones en redes sociales — que representan más del 80% de los datos mundiales y requieren técnicas avanzadas de deep learning para su procesamiento. Aprenderás cómo el tipo de dato determina la complejidad del procesamiento y las decisiones de diseño del modelo de IA. Contenido alineado con el Dominio 2 del examen CompTIA SecAI+ (CY0-001).

Domina las técnicas esenciales de manejo seguro de datos para sistemas de inteligencia artificial. Esta clase cubre el procesamiento y limpieza de datos eliminando duplicados y resolviendo inconsistencias; la verificación de datos mediante hashing criptográfico con herramientas como sha256sum y Get-FileHash, e integración en pipelines CI/CD; el linaje y procedencia de datos (data lineage y data provenance) con herramientas como AWS Glue Data Catalog y Apache Atlas; la integridad de datos con firmas digitales y registros inmutables tipo blockchain; la augmentación de datos para fortalecer modelos contra ataques adversariales; el balanceo de datasets para prevenir sesgos en sistemas como IDS; y el monitoreo continuo con analítica comportamental e inspección NLP de metadatos. Contenido alineado con el Dominio 2 del examen CompTIA SecAI+ (CY0-001).

Aprende qué es el modelado de amenazas específico para sistemas de inteligencia artificial y por qué los frameworks tradicionales no son suficientes. Descubre cómo aplicar la tríada CIA (confidencialidad, integridad y disponibilidad) al contexto de IA, identificando riesgos únicos como el envenenamiento de datos, la inyección de prompts y la extracción de modelos. Explora las diferencias clave entre el threat modeling tradicional y el de IA: arquitectura única, conciencia infraestructural, análisis de acceso, riesgos de cadena de suministro en modelos de terceros versus modelos internos, guardrails de seguridad de datos, y la importancia del logging, monitoreo y cumplimiento regulatorio. Comprende cómo integrar el modelado de amenazas de IA desde las etapas tempranas del ciclo de vida de desarrollo de software (SDLC). Preparación para el examen CompTIA SecAI+ (CY0-001).

Conoce los principales repositorios y bases de datos de amenazas específicas de inteligencia artificial que todo profesional de ciberseguridad debe dominar. Explora el MIT AI Risk Repository con más de 1,600 riesgos clasificados en siete dominios y sus taxonomías basadas en origen, temporalidad y dominio. Descubre el CVE AI Work Group y sus taxonomías basadas en causa y dominio para vulnerabilidades de IA. Aprende sobre AVID (AI Vulnerability Database), la base de datos de código abierto para modos de fallo en modelos y datasets. Estudia el AI Incident Database (AIID) y cómo los incidentes reales informan la defensa. Conoce arXiv como fuente de investigación científica abierta en IA. Comprende cómo el CWE se extiende a seguridad de IA con entradas como CWE-77 (command injection para prompt injection) y CWE-200 (exposición de información sensible). Preparación para el examen CompTIA SecAI+ (CY0-001).

Aprende los prerrequisitos esenciales que debes completar antes de aplicar cualquier framework de modelado de amenazas de IA. Comprende por qué es fundamental entender el caso de uso del negocio antes de analizar riesgos: identificar los procesos existentes que la IA reemplazará o aumentará, y cómo los controles de seguridad deben evolucionar en la transición de sistemas tradicionales a soluciones impulsadas por IA. Domina las tres preguntas clave: quiénes son los usuarios finales y sus niveles de confianza, qué datos utilizará la IA (datasets de entrenamiento y fuentes externas), y cómo y dónde se procesarán esos datos (flujo de datos de ingestión a inferencia). Estudia un caso de uso práctico de plataforma automotriz con chatbot de IA para entender datos sensibles, controles de seguridad y cumplimiento regulatorio (GDPR, EU AI Act, CCPA). Aprende a combinar controles de seguridad fundacionales (rate limiting, load balancers, firewalls) con controles específicos de IA (validación de inputs, integridad de datos de entrenamiento, validación de outputs, control de acceso a activos del modelo). Preparación para el examen CompTIA SecAI+ (CY0-001).

Domina el proceso completo de modelado de amenazas de IA en seis pasos estructurados. Paso 1: recopilar prerrequisitos — contexto del sistema, inventario de datos y activos críticos (datos personales, modelo entrenado, decisiones del sistema). Paso 2: seleccionar el framework adecuado — OWASP Top 10 for LLMs, MITRE ATLAS, NIST AI RMF, STRIDE, DREAD y MAESTRO. Pasos 3-4: identificar amenazas pensando como el atacante y analizar su severidad usando likelihood (probabilidad) vs. business impact (impacto de negocio), entendiendo por qué el impacto pesa más que la probabilidad. Pasos 5-6: reportar, remediar y validar con pen testing, red teaming y code reviews a lo largo del SDLC. Incluye escenario real de jailbreaking de chatbot con consecuencias regulatorias y matriz de riesgo de amenazas (threat scenario risk matrix). Preparación para el examen CompTIA SecAI+ (CY0-001).

Domina los dos frameworks OWASP esenciales para la seguridad de inteligencia artificial. Aprende los 10 riesgos del OWASP Top 10 for LLMs: desde prompt injection (LLM01) y sensitive information disclosure (LLM02) hasta supply chain vulnerabilities (LLM03), data/model poisoning (LLM04), improper output handling (LLM05), excessive agency (LLM06), system prompt leakage (LLM07), vector and embedding weaknesses (LLM08), misinformation (LLM09) y unbounded consumption (LLM10). Explora los 10 riesgos del OWASP ML Top 10: input manipulation (ML01), data poisoning (ML02), model inversion (ML03), membership inference (ML04), model theft (ML05), AI supply chain (ML06), transfer learning attack (ML07), model skewing (ML08), output integrity attack (ML09) y model poisoning (ML10). Comprende las diferencias entre ambos frameworks y cuándo aplicar cada uno. Preparación para el examen CompTIA SecAI+ (CY0-001).

Profundiza en los dos frameworks complementarios que completan el toolkit de AI threat modeling. Estudia MITRE ATLAS (Adversarial Threat Landscape for AI Systems): base de conocimiento gratuita y global de TTPs contra sistemas de IA y ML, con mapeo de fases del ciclo de vida, cobertura de prompt injection, model extraction, data poisoning y misuse funcional, casos de estudio reales con mitigaciones sugeridas, y vocabulario común para detección, red teaming y respuesta a incidentes. Aprende el NIST AI RMF (AI Risk Management Framework): propósito (seguridad, fairness, privacidad, explicabilidad, resiliencia), los cuatro desafíos de gestión de riesgo de IA (measurement, tolerance, prioritization, management), y las cuatro etapas del framework (Map, Measure, Manage, Govern). Preparación para el examen CompTIA SecAI+ (CY0-001).

Aprende los tres pilares de la defensa en profundidad para sistemas de inteligencia artificial: controles de modelo, controles de gateway y guardrails. Descubre cómo proteger el modelo contra amenazas adversariales y robo de propiedad intelectual, cómo un gateway funciona como firewall entre usuarios y el modelo, y cómo los guardrails de entrada, salida y contextuales gobiernan el comportamiento del sistema. Incluye el proceso de validación y testing de guardrails mediante simulación adversarial, alineado con las competencias del examen CompTIA SecAI+ (CY0-001).

Domina los controles de seguridad específicos que se aplican directamente al modelo de IA. Aprende a evaluar modelos según su despliegue: on-premise con control total, modelos open source que requieren validación de datos y sesgos, y modelos de proveedores externos donde se necesitan auditorías independientes con certificaciones SOC 2, ISO y reportes de pentesting. Cubre las tres áreas críticas de testing de seguridad: resistencia a prompts adversariales e inyección de datos, prevención de extracción de información sensible, y resistencia a ingeniería inversa. Incluye el checklist de controles clave con filtrado de contenido, rate limiting, prevención de cadenas de prompts y resistencia a denegación de servicio. Finaliza con los controles de infraestructura y acceso: aislamiento de red, seguridad de API, autenticación y RBAC. Preparación para el examen CompTIA SecAI+ (CY0-001).

Domina los siete tipos de guardrails que protegen un modelo de IA en producción. Cubre la redacción de PII y PCI para cumplimiento regulatorio (GDPR, HIPAA), la prevención de prompt injection con análisis de intención estructural en tiempo real, la detección de jailbreaking mediante análisis de patrones multi-turno, la detección de secretos y credenciales expuestas (API keys, tokens, contraseñas), la prevención de ataques de inyección web (XSS, SSRF, markdown injection, HTML injection), la detección de phishing en salidas del modelo, y la detección de intención maliciosa en entradas del usuario. Entiende cómo estos guardrails funcionan como un framework programático aplicado en tiempo real a entradas y salidas. Preparación para el examen CompTIA SecAI+ (CY0-001).

Aprende cómo las plantillas de prompts (prompt templates) protegen los sistemas de IA contra ataques de inyección. Comprende la diferencia entre system prompts y user prompts, y por qué su separación estructural es la base de la seguridad en producción. Domina los cuatro principios de diseño seguro de prompts: placeholders parametrizados que tratan la entrada del usuario como datos y no como comandos, aislamiento de contexto entre instrucciones del sistema y contenido del usuario, prevención de filtración de instrucciones para evitar ingeniería inversa, y privilegio mínimo para limitar la influencia del usuario sobre el comportamiento del modelo. Incluye análisis de cómo las plantillas neutralizan el vector de ataque de prompt injection. Preparación para el examen CompTIA SecAI+ (CY0-001).

Profundiza en los controles de gateway que protegen la interacción entre usuarios y modelos de IA. Aprende cómo funciona el prompt firewall como punto centralizado de filtrado con enforcement unificado y cumplimiento auditable. Domina el rate limiting como defensa contra abuso de recursos, ataques de cadena de prompts, fuerza bruta y denegación de servicio, incluyendo límites estándar, límites por sesión y la gestión de reintentos del modelo para evitar denegación de servicio auto-infligida. Comprende los controles de tokens e input que restringen el tamaño de solicitudes y respuestas, y los controles de acceso a endpoints con RBAC y políticas de seguridad predefinidas a nivel de gateway. Preparación para el examen CompTIA SecAI+ (CY0-001).

Profundiza en las capacidades operativas del gateway de IA: logging bidireccional de solicitudes y respuestas, recolección de metadatos enriquecidos (timestamps, latencia, dispositivo, versión del modelo, transformaciones aplicadas), y cómo esta información fluye a plataformas centralizadas de monitoreo con dashboards y alertas. Aprende el mecanismo específico de redacción de PII en el gateway: detección automática de datos sensibles, enmascaramiento con tokens como [REDACTED], y cómo los eventos de redacción se registran en la plataforma de observabilidad para auditoría completa sin exponer los datos subyacentes. Incluye la integración de defensa contra prompt injection y cumplimiento regulatorio automatizado. Preparación para el examen CompTIA SecAI+ (CY0-001).

Domina los controles avanzados del gateway de IA: cuotas de uso por cantidad y tamaño para prevenir sobrecarga y evasión por fragmentación de archivos maliciosos, límites de modalidad que definen qué tipos de entrada y salida puede manejar el modelo (texto, imagen, audio, video, PDF) y los riesgos de seguridad de cada modalidad desbloqueada. Aprende el sistema de autenticación con claves scoped (virtual scoped keys) que reemplazan las API keys maestras, con rotación programada, credenciales de vida corta y revocación instantánea para minimizar el radio de impacto. Incluye audit trails centralizados con trazas estructuradas y detección de anomalías. Preparación para el examen CompTIA SecAI+ (CY0-001).

Aprende a probar los controles de seguridad de IA simulando condiciones adversariales reales. Cubre las seis categorías críticas de testing: prompt injection directa e indirecta con técnicas de cadena de prompts, testing de envenenamiento de datos y cadena de suministro del modelo, pruebas de agencia excesiva con verificación de human-in-the-loop y límites de scope, testing de filtración de system prompts y bypass de guardrails mediante ficción, roleplay y escalación creativa, pruebas de sesgo y alucinación con entradas controladas por marcadores demográficos y preguntas sin respuesta válida, y testing de rate limiting con scripts automatizados de simulación de DoS. Preparación para el examen CompTIA SecAI+ (CY0-001).

Aprende cómo se aplican los principios de control de acceso a los sistemas de inteligencia artificial. Esta clase cubre la tríada CIA adaptada a entornos de IA, la diferencia entre sujetos y objetos en sistemas de IA, y los cuatro procesos fundamentales de gestión de identidad y acceso (IAM): identificación, autenticación, autorización y contabilidad. También se exploran los controles de acceso específicos para IA, incluyendo los límites de acceso multi-actor, la protección de datos sensibles en datasets y el principio de privilegio mínimo aplicado a modelos, pipelines y APIs. Alineada con el Dominio 2 del examen CompTIA SecAI+ (CY0-001), esta clase conecta los fundamentos de seguridad empresarial tradicional con los requisitos únicos de los sistemas de inteligencia artificial.

Aprende los modelos de control de acceso aplicados a sistemas de inteligencia artificial. Esta clase profundiza en el principio de privilegio mínimo aplicado a modelos, datos, APIs y agentes autónomos, y cómo reduce amenazas específicas como prompt injection, abuso de APIs y denegación de servicio. Se cubren los dos modelos principales de control de acceso: RBAC (Role-Based Access Control) con roles estándar, supervisores y administradores, y ABAC (Attribute-Based Access Control) con atributos de usuario y de recurso para control granular. También se exploran las regulaciones de privacidad que impactan el diseño de acceso en IA (GDPR, HIPAA, Privacy Act de 1974), el concepto de Policy as Code con herramientas como OPA, AWS IAM y Azure Policy, y los controles de acceso específicos para APIs incluyendo rate limiting, validación y controles context-aware.

Explora el panorama completo de amenazas que enfrentan los sistemas de inteligencia artificial. Esta clase cubre los cuatro tipos de amenazas: internas (deliberadas y accidentales), externas (DDoS y actores maliciosos), naturales (desastres que causan downtime) y provocadas por el hombre (prompts engañosos y manipulación de outputs). Se profundiza en la manipulación y envenenamiento de datos como riesgo silencioso, incluyendo datos de entrenamiento corruptos y manipulación sesgada para influir en las clasificaciones del modelo. También se analiza por qué identificar amenazas en IA es más complejo que en sistemas IT tradicionales, los estándares ISO clave para gestión de amenazas (ISO 27001, ISO 42001, ISO 23894), la conexión con OWASP Top 10 para LLMs, y cómo los ataques de prompt injection explotan el contexto conversacional para escalar privilegios de forma incremental.

Aprende cómo se define y controla el acceso a los modelos de inteligencia artificial. Esta clase cubre qué es el acceso al modelo de IA y cómo establece los límites de interacción para diferentes usuarios. Se exploran los dos niveles principales de acceso: usuario estándar (limitado a prompts sin modificar el modelo) y desarrollador/administrador (control sobre parámetros, comportamiento y datos de entrenamiento). También se analizan los mecanismos de control de acceso al modelo — autenticación con API keys, tokens y MFA, niveles de autorización, rate limiting y control de solicitudes — y la importancia del logging detallado y la auditoría regular para detectar anomalías, verificar cumplimiento de políticas y soportar investigaciones de seguridad.

Aprende cómo se controla el acceso a los datos y a los agentes de IA en entornos empresariales. Esta clase cubre el control de acceso a datos vinculado a roles organizacionales, con ejemplos prácticos de segmentación por departamento (RRHH vs finanzas). Se explica la diferencia fundamental entre agentes (sistemas autónomos que perciben, razonan y actúan) y herramientas (componentes pasivos que ejecutan tareas bajo instrucción del agente). Se analiza por qué los agentes se clasifican como superficies de ejecución privilegiada y requieren controles más estrictos que los usuarios estándar. Finalmente, se presentan los controles recomendados para agentes y herramientas: listas de permisos explícitas, expiración de credenciales, anonimización de datos, listas de control de acceso de red, logging/monitoreo y el principio de human-in-the-loop para decisiones críticas. Alineada con el Dominio 2 del examen CompTIA SecAI+ (CY0-001).

Aprende cómo proteger el acceso de red y API en sistemas de inteligencia artificial. Esta clase cubre la dependencia de los sistemas de IA en redes internas y externas (cloud, IoT) y cómo cada integración expande la superficie de ataque. Se analizan las cinco amenazas clave de redes inseguras: eavesdropping, ataques man-in-the-middle, inyección de datos por respuestas API no validadas, suplantación de dispositivos y ataques de replay con tokens capturados. Se presentan los tres controles de autenticación de red (HTTPS, tokens de un solo uso y validación de inputs), el principio de privilegio mínimo aplicado al acceso API, los tres tipos de autenticación para APIs (básica, basada en certificados y basada en tokens) y el proceso de autorización post-autenticación.

Aprende los tres mecanismos fundamentales de protección de datos en sistemas de inteligencia artificial: cifrado, enmascaramiento de datos (data masking) y clasificación de datos. Comprende los riesgos de un manejo inadecuado del almacenamiento de datos, incluyendo la exposición accidental de PII y datos sensibles. Domina el proceso de clasificación de datos en tres etapas — identificación de activos, etiquetado por niveles de sensibilidad y aplicación de control de acceso basado en roles. Revisa los marcos regulatorios clave para el examen CompTIA SecAI+ (CY0-001): GDPR, HIPAA y PCI DSS, además de las etiquetas gubernamentales (Confidential, Secret, Top Secret). Entiende cómo los controles de seguridad protegen contra las tres categorías principales de riesgo: exposición accidental, filtraciones maliciosas y errores de sistema.

Domina las cuatro etapas del cifrado de datos en sistemas de inteligencia artificial para el examen CompTIA SecAI+ (CY0-001). Aprende la protección de datos en reposo con cifrado a nivel de archivo, carpeta y disco completo, y las cuatro opciones de almacenamiento de claves: KMS, TPM, HSM y Cloud KMS. Comprende la protección de datos en tránsito con TLS, VPN, protocolos seguros y el protocolo QUIC con HTTP/3 como estándar moderno para pipelines de IA. Explora la protección de datos en uso con TEE (Trusted Execution Environment), enclaves de AWS y Azure, y cifrado homomórfico (HE). Descubre cómo DPSGD (Differentially Private Stochastic Gradient Descent) protege la privacidad durante el entrenamiento de modelos mediante recorte de gradiente e inyección de ruido, y entiende el trade-off fundamental entre privacidad y rendimiento del modelo.

Aprende las medidas de seguridad de datos en sistemas de inteligencia artificial para el examen CompTIA SecAI+ (CY0-001). Comprende cómo los riesgos a la tríada CIA (Confidencialidad, Integridad, Disponibilidad) afectan a los sistemas de IA, incluyendo brechas de datos y sesgo del modelo (model bias). Domina las técnicas de enmascaramiento estático y dinámico (static vs. dynamic masking) y sus diferencias operativas. Diferencia entre anonimización, reducción y minimización de datos — y la distinción clave para el examen: minimización ocurre antes o durante la recolección, reducción ocurre después. Revisa los niveles de clasificación de datos (Public, Internal, Confidential, Secret, Top Secret) y los marcos regulatorios GDPR, HIPAA y CCPA como requisitos de cumplimiento para sistemas de IA que procesan datos regulados.

Domina el monitoreo de prompts y logs en sistemas de inteligencia artificial para el examen CompTIA SecAI+ (CY0-001). Comprende los tres objetivos del monitoreo: seguimiento de uso, cumplimiento regulatorio y optimización de rendimiento. Aprende qué monitorear en los prompts: volumen de consultas y respuestas, líneas base de uso, horas pico y precisión de respuestas. Conoce las métricas clave de logs: latencia, parámetro stop, mensajes de error, uso de tokens y accesos no autorizados. Detecta comportamientos inseguros incluyendo contenido abusivo, temas prohibidos y drift contextual. Evalúa el rendimiento del modelo con BLEU (Bilingual Evaluation Understudy) y seguimiento de model drift con reentrenamiento cuando las salidas se degradan. Implementa canary prompts como verificación proactiva de precisión y cumplimiento de políticas. Protege la integridad de los logs con sanitización de PII, permisos de solo lectura y remote logging como trail de auditoría resistente a manipulación.

Domina el monitoreo de rendimiento y costos en sistemas de inteligencia artificial para el examen CompTIA SecAI+ (CY0-001). Comprende cómo monitorear la precisión de respuestas, el volumen de solicitudes y la reducción de consultas suplementarias como indicadores de calidad del modelo. Aprende la técnica de compresión de prompts (prompt compression) para reducir costos de tokens y acelerar la inferencia preservando el significado original. Domina el monitoreo de tokens y costos operativos, incluyendo restricción de uso y selección del modelo de facturación óptimo. Entiende el rightsizing de hardware: escalar hacia arriba para sistemas de alto uso y hacia abajo para bajo uso, con justificación de costo-beneficio. Conoce las políticas de almacenamiento y retención incluyendo la política de evicción LRU (Least Recently Used) para gestionar embeddings en caché y bases de datos vectoriales. Comprende la importancia del reentrenamiento periódico con nuevos datasets para combatir drift, alucinaciones y sesgo. Aplica análisis de costos por proyecto, por cliente y por prompt para mantener el presupuesto bajo control.

Domina el monitoreo de costos de inteligencia artificial para el examen CompTIA SecAI+ (CY0-001). Comprende la diferencia entre el uso interactivo de LLMs (prompts manuales) y la integración programática mediante APIs para automatización en ciberseguridad. Aprende cómo funciona la integración con API keys: autenticación, conexión con modelos hospedados y envío automatizado de solicitudes. Entiende la diferencia de costos entre modelos premium (razonamiento avanzado, ventanas de contexto amplias) y modelos económicos (tareas simples cotidianas). Implementa restricción de acceso por API key para limitar qué modelos pueden usar los empleados y evitar picos inesperados de facturación. Utiliza dashboards de proveedores de API para monitorear uso, costos y tomar decisiones basadas en datos: establecer límites de gasto, cambiar a modelos más económicos o escalar cuando el presupuesto lo permita. El monitoreo de costos de IA es un proceso continuo, no una actividad puntual.

Domina la auditoría de calidad y cumplimiento en sistemas de inteligencia artificial para el examen CompTIA SecAI+ (CY0-001). Comprende cómo medir alucinaciones (hallucinations), sesgo (bias) y equidad (fairness) como dimensiones críticas de la IA responsable, incluyendo el acceso a datos sensibles para validar equidad y las consideraciones de privacidad adicionales. Entiende por qué la precisión de respuestas impacta directamente la productividad y los costos operativos. Implementa monitoreo de confianza (confidence monitoring) y verificación de fundamento (ground checking) con RAG tuning para prevenir alucinaciones. Conoce las métricas de evaluación estandarizadas: BLEU para traducción y ROUGE para resúmenes, con sus diferencias clave. Aplica counterfactual testing para detectar sesgo y golden datasets como estándar de verdad absoluta para validación. Domina la auditoría de logs: rutinaria, automatizada y de acceso con privilegio mínimo y separación de funciones. Conoce el flujo break glass: permisos elevados de emergencia con justificación, auto-revocación y trail de auditoría completo.

Aprende cómo aplicar controles de seguridad en cada una de las seis etapas del ciclo de vida de la inteligencia artificial: diseño, recolección de datos, desarrollo del modelo, despliegue, operación y monitoreo. Descubre cómo alinear objetivos de IA con metas corporativas, proteger datos de entrenamiento contra envenenamiento, endurecer entornos de desarrollo, implementar despliegues controlados con estrategias blue-green y canary, monitorear drift en producción y ejecutar red teaming continuo. Esta clase integra los controles de seguridad del Dominio 2 del examen CompTIA SecAI+ (CY0-001) en una visión unificada del ciclo de vida completo de la IA.

Aprende cómo garantizar la integridad y autenticidad de los datos que alimentan sistemas de inteligencia artificial. Descubre cómo establecer una cadena de custodia con mecanismos a prueba de manipulación y registros de auditoría inmutables, cómo verificar la confiabilidad de las fuentes de datos mediante crawlers automatizados, listas de permitidos y acuerdos legales con socios, y cómo proteger los datasets de código abierto contra PII y datos maliciosos. Domina el registro versionado de modelos con control de cambios formal, aprobaciones humanas documentadas y planes de rollback obligatorios. Aprende a defender el pipeline de datos contra ataques DoS mediante rate limiting, heartbeats firmados criptográficamente e inputs de referencia. Incluye los requisitos de documentación y transparencia alineados con el EU AI Act para la certificación CompTIA SecAI+ (CY0-001).

Aprende cómo los humanos desempeñan un rol crítico en la seguridad de los sistemas de inteligencia artificial. Descubre los tres roles de supervisión (model owner, risk owner y steward) y por qué deben ser independientes de los desarrolladores. Domina los controles de gobernanza: dashboards de rendimiento, criterios de parada de emergencia y cadencia de auditoría. Comprende las diferencias entre human-in-the-loop (decisiones individuales), human oversight (monitoreo a nivel de sistema) y human validation (desafío activo del modelo). Explora los tres niveles de respuesta: detect only, auto-remediate y human approved. Incluye salvaguardas como SLAs de aprobación, regla de dos personas, modo fail-safe y registros tamper-evident para la certificación CompTIA SecAI+ (CY0-001).

Aprende por qué las consideraciones éticas son fundamentales en el diseño de sistemas de inteligencia artificial. Comprende que la IA no tiene conciencia, juicio moral ni capacidad de cuestionar si una acción es correcta o incorrecta — simplemente ejecuta instrucciones. Descubre cómo la presión por lanzar modelos al mercado lleva a omitir gobernanza ética, y por qué la responsabilidad corporativa debe integrarse desde el inicio, no después. Explora el concepto de Potemkin AI: sistemas que fingen ser IA cuando en realidad son humanos trabajando detrás de escena, con casos reales documentados. Aprende sobre over-agency y sus riesgos cuando damos demasiada autonomía a la IA. Domina la separación de funciones en sistemas de IA, los guardrails como requisito de diseño y la supervisión independiente para la certificación CompTIA SecAI+ (CY0-001).

Aprende a analizar los principales vectores de ataque contra sistemas de inteligencia artificial desde una perspectiva integral de defensa. Esta clase consolida las categorías clave de ataques — prompt injection, envenenamiento de datos y modelos, manipulación de entradas adversariales, alucinaciones, sesgo, explotación de agentes de IA, manipulación de integraciones y ataques a la cadena de razonamiento (Chain of Thought) — junto con los controles de prevención y las técnicas de detección específicas para cada una. Dominarás la validación de esquemas como control de alto impacto, la validación cruzada entre modelos para detectar alucinaciones, las auditorías de equidad para sesgo, el monitoreo conductual de agentes de IA y el monitoreo de integraciones vía APIs. La clase cierra con los controles universales que aplican a todas las categorías de ataque: privilegio mínimo, trazas de auditoría y monitoreo de anomalías.

Comprende las diferencias críticas entre ataques backdoor y trojan en sistemas de inteligencia artificial, dos de las amenazas más peligrosas porque se insertan durante el entrenamiento o a través de la cadena de suministro y pueden permanecer indetectables durante meses o años. Esta clase explica cómo los backdoors se incrustan en los datos de entrenamiento mediante envenenamiento y permanecen dormidos hasta que un trigger específico los activa, mientras que los trojans se ocultan en el código o archivos del modelo y operan de forma encubierta y continua sin necesidad de activación. Aprenderás las diferencias clave en ubicación, activación, detección y punto de entrada de cada tipo, junto con las defensas y mitigaciones: validación de linaje de datos, registros canario, auditoría de código, pipelines reproducibles, controles de cadena de suministro y monitoreo conductual. Contenido alineado al Dominio 2 del examen CompTIA SecAI+ (CY0-001), que representa el 40% de la certificación.

Comprende en profundidad el envenenamiento de modelos de IA (model poisoning) como un ataque que puede ocurrir en cualquier etapa del ciclo de vida de la inteligencia artificial, no solo durante el entrenamiento. Esta clase explica cómo funciona la inyección de datos maliciosos o mal etiquetados en los datasets de entrenamiento, cómo el modelo aprende patrones distorsionados y produce decisiones peligrosas, y por qué los modelos envenenados pueden parecer precisos en la mayoría de los casos mientras fallan catastróficamente ante inputs específicos. Aprenderás la diferencia crítica entre envenenamiento antes o durante el entrenamiento (manipulación del dataset) y envenenamiento después del entrenamiento (modificación directa del código fuente o artefactos del modelo), y por qué la seguridad debe extenderse a todo el ciclo de vida de la IA, no solo al pipeline de datos. Contenido alineado al Dominio 2 del examen CompTIA SecAI+ (CY0-001), que representa el 40% de la certificación.

Aprende dos ataques críticos contra la propiedad intelectual y privacidad de los sistemas de inteligencia artificial: la inversión de modelos (model inversion) y el robo de modelos (model theft). Comprenderás cómo un atacante puede reconstruir datos sensibles de entrenamiento simplemente observando el comportamiento del modelo, sin necesidad de acceso directo a los datos, exponiendo información personal identificable (PII). También aprenderás las dos formas de robar un modelo: la clonación basada en consultas (query-based cloning), donde millones de queries permiten hacer ingeniería inversa de las fronteras de decisión, y el robo directo de archivos del modelo. La clase cubre las defensas en capas: privacidad diferencial, generalización de salidas, protección de artefactos, throttling de consultas, fingerprinting, watermarking y cifrado de pesos y checkpoints. Contenido alineado al Dominio 2 del examen CompTIA SecAI+ (CY0-001), que representa el 40% de la certificación.

Consolida los vectores de ataque avanzados contra sistemas de inteligencia artificial que completan el panorama de amenazas del Dominio 2. Esta clase cubre ataques de supply chain y transfer learning donde modelos preentrenados de repositorios públicos pueden contener backdoors ocultos y patrones maliciosos que persisten después del fine-tuning. Aprenderás sobre la divulgación de información sensible cuando los modelos filtran datos de entrenamiento, claves API o inputs de sesiones previas, junto con sus controles: filtrado de salidas, privacidad diferencial y redacción de PII. Comprenderás el model skewing por data drift, donde las métricas estándar de precisión enmascaran fallos específicos dirigidos, y la inferencia de membresía (membership inference) que permite determinar si un registro estaba en el training set. La clase cierra con ataques de denegación de servicio contra modelos (Model DoS), riesgos de plugins y agentes con permisos excesivos, la sobredependencia en IA, y el concepto de agencia excesiva con sus controles: privilegio mínimo, Human-in-the-Loop y ejecución en sandbox. Alineado al Dominio 2 del examen CompTIA SecAI+ (CY0-001).

Consolida los controles compensatorios esenciales para proteger sistemas de inteligencia artificial en una visión integrada de defensa en capas. Esta clase reúne los controles ya estudiados a lo largo del curso — prompt firewalls, model guardrails, privilegio mínimo, RBAC, integridad de datos, plantillas de prompts, rate limiting y cifrado — y los enmarca dentro del concepto crítico de seguridad adaptativa: por qué las defensas estáticas fallan en sistemas de IA que evolucionan continuamente, y cómo adoptar un enfoque de seguridad viva con evaluaciones de riesgo continuas, simulaciones de ataque, red teaming iterativo, hardening progresivo y controles conscientes del contexto. Aprenderás por qué un control que funciona hoy puede ser completamente inefectivo en meses, y cómo mantener la postura de seguridad actualizada en un entorno dinámico. Contenido alineado al Dominio 2 del examen CompTIA SecAI+ (CY0-001), que representa el 40% de la certificación.