💻 computer science

COHORT: Collaborative Orchestration for Hardening via Offensive Replay on Emulated Topologies

COHORT es un marco de trabajo de LLM multi-agente de extremo a extremo que automatiza la generación y validación de mitigaciones de red desplegables mediante la implementación de configuraciones candidatas en topologías emuladas de alta fidelidad y el testeo riguroso de las mismas a través de la repetición ofensiva y comprobaciones de conectividad para asegurar que interrumpan ataques específicos sin interrumpir el tráfico legítimo.

Autores originales: Chen Frydman, Aviram Zilberman, Rubin Krief, Abed Showgan, Andres Murillo, Sekiya Motoyoshi, Asaf Shabtai, Yuval Elovici, Rami Puzis

Publicado 2026-06-30

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Chen Frydman, Aviram Zilberman, Rubin Krief, Abed Showgan, Andres Murillo, Sekiya Motoyoshi, Asaf Shabtai, Yuval Elovici, Rami Puzis

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que la red informática de una empresa es como un edificio de oficinas enorme y con mucho movimiento. Un día, un ladrón (un cibercriminal) logra entrar. Normalmente, cuando esto sucede, el equipo de seguridad del edificio tiene que pasar semanas intentando averiguar cómo expulsar al ladrón sin bloquear accidentalmente a los empleados de sus propias oficinas. Es un juego delicado y de alto riesgo de "qué pasaría si", y probarlo en el edificio real es demasiado arriesgado porque, si cometes un error, toda la empresa deja de funcionar.

COHORT es un nuevo sistema automatizado diseñado para resolver este problema. Piensa en él como un "sandbox" o laboratorio de simulación virtual superinteligente donde el equipo de seguridad puede practicar cómo bloquear al ladrón de forma segura, sin tocar nunca el edificio real.

Aquí te explicamos cómo funciona COHORT, desglosado en conceptos sencillos:

1. El Gemelo Virtual (El Sandbox)

En lugar de probar las soluciones en la red real, COHORT construye una copia digital perfecta y de alta tecnología de la oficina. Esto no es solo un dibujo; es una simulación activa que utiliza exactamente el mismo software y las mismas reglas de hardware que la original (como firewalls y routers reales).

Analogía: Imagina un simulador de vuelo para pilotos. Ellos pueden estrellar un avión cien veces en el simulador sin que nadie resulte herido. COHORT es el simulador de vuelo para la seguridad de la red.

2. El Equipo de Especialistas de IA (Los Agentes)

COHORT no utiliza un solo cerebro de IA; utiliza un equipo de agentes de IA especializados, cada uno con un trabajo específico, trabajando juntos como una máquina bien engrasada:

El Sugerente (The Sugester): Este agente observa el plan de acción del ladrón y dice: "Oye, si bloqueamos este pasillo, el ladrón no podrá pasar".
El Implementador (The Implementer): Este agente toma esa idea y realmente escribe los comandos de código específicos necesarios para bloquear ese pasillo en los dispositivos virtuales.
El Crítico (The Critic): Este es el editor estricto. Antes de que la solución sea probada, el Crítico revisa el código. "¡Espera, bloqueaste la puerta equivocada!" o "Ese comando tiene un error tipográfico". Si hay un problema, lo devuelve al Implementador para que lo corrija. Mantienen este ciclo hasta que la solución es perfecta.
El Juez (The Judge): Una vez que la solución está lista, el Juez trae de nuevo al mismo ladrón al edificio virtual para ver si el nuevo cerrojo realmente funciona.
El Resumidor (The Summarizer): Este agente redacta un informe para los humanos, explicando lo sucedido en un lenguaje sencillo.

3. La Prueba de "Replay del Ladrón"

Esta es la parte más importante. En el pasado, los sistemas de seguridad podían suponer si una solución funcionaba basándose en matemáticas o reglas. COHORT hace algo diferente: vuelve a ejecutar el ataque.

Analogía: Imagina que instalas un cerrojo nuevo en una puerta. En lugar de simplemente comprobar si el cerrojo parece fuerte, contratas al mismo exacto ladrón que entró antes y le dices que intente abrir la puerta de nuevo. Si el ladrón no puede entrar, y los empleados aún pueden cruzar la puerta para llegar a sus escritorios, la solución es un éxito.

4. La Regla de "No Romper la Oficina"

Un objetivo principal de COHORT es asegurarse de que la solución no bloquee accidentalmente a los buenos.

La comprobación: Antes de que se acepte una solución, el sistema envía automáticamente un "ping" a la red interna e intenta visitar un sitio web. Si la solución bloquea al ladrón pero también impide que los empleados envíen correos electrónicos o carguen páginas web, el sistema la rechaza inmediatamente.

5. Apilamiento de Defensas (El Efecto Acumulativo)

A veces, un solo cerrojo no es suficiente. COHORT puede apilar múltiples cerrojos exitosos unos sobre otros.

Analogía: Es como añadir un cerrojo, luego una cadena y luego una cámara de seguridad. El sistema prueba cada nueva capa sobre las anteriores para asegurarse de que funcionen juntas y no se anulen entre sí por accidente.

¿Qué descubrieron?

Los investigadores probaron este sistema contra cuatro tipos diferentes de ciberataques (como ransomware, robo de datos y propagación por la red) en tres tamaños diferentes de edificios de oficinas virtuales.

El Resultado: El equipo multi-agente (Sugerente + Implementador + Crítico) fue 4.4 veces más exitoso encontrando soluciones funcionales que un solo agente de IA intentando hacer todos los trabajos por sí solo.
Tasa de Éxito: Aproximadamente el 47% de las soluciones generadas por el equipo detuvieron el ataque y mantuvieron la oficina en funcionamiento.
El Problema: Actualmente, el sistema está probado en ordenadores Linux y tipos específicos de hardware de red. Está diseñado para ataques "guionizados" (donde el ladrón sigue un plan conocido), no para un ladrón que sea capaz de cambiar su estrategia instantáneamente al ver un nuevo bloqueo.

La Conclusión

COHORT es un "campo de entrenamiento" para la defensa cibernética. Utiliza un equipo de especialistas de IA para inventar, construir y probar soluciones de seguridad en un mundo virtual seguro. Al permitir que la IA repita el ataque una y otra vez, encuentra soluciones que detienen a los malos sin bloquear accidentalmente a los buenos, ahorrando a los expertos humanos semanas de peligrosos procesos de ensayo y error.

Resumen Técnico: COHORT – Orquestación Colaborativa para el Reforzamiento mediante Replay Ofensivo en Topologías Emuladas

1. Declaración del Problema

Mitigar a un adversario específico en una red empresarial es, tradicionalmente, un proceso lento que depende de expertos. Requiere que un analista derive una mitigación a medida, la valide sin interrumpir la producción y verifique que esta disuada el ataque específico. Este flujo de trabajo está limitado por dos cuellos de botella primarios:

Dependencia de Expertos: El proceso depende en gran medida del juicio humano para sintetizar nuevos controles en lugar de depender de manuales de procedimientos (playbooks) curados.
Riesgo de Producción: Los ajustes experimentales en las reglas de firewall, políticas de enrutamiento o configuraciones de host no pueden ejercerse de forma segura en redes de producción reales debido al riesgo de romper las operaciones legítimas.

Las herramientas existentes (IDS/IPS, SIEM, SOAR) suelen ejecutar respuestas curadas para patrones conocidos o validar la cobertura de detección mediante la Simulación de Brechas y Ataques (BAS) contra redes no modificadas. No sintetizan de forma autónoma nuevas mitigaciones desplegables ni las validan reejecutando al adversario observado contra la red modificada.

2. Metodología: El Marco de Trabajo COHORT

COHORT es el primer marco de trabajo de extremo a extremo diseñado para generar, desplegar y validar de forma autónoma mitigaciones desplegables contra un adversario observado específico. Opera enteramente dentro de un entorno emulado de alta fidelidad para evitar la exposición de la producción.

Arquitectura Central

El marco utiliza un flujo de trabajo de modelos de lenguaje de gran tamaño (LLM) de agentes múltiples con descomposición de roles que se ejecuta en un emulador GNS3 que arranca firmware real de proveedores (FortiGate, Cisco IOS, Open vSwitch). El adversario es emulado utilizando Caldera ejecutando acciones alineadas con MITRE ATT&CK.

El flujo de trabajo consta de los siguientes agentes especializados:

Sugeridor de Mitigación (Mitigation Suggester): Analiza el informe operativo del adversario y la topología de la red para proponer estrategias de control reutilizables a nivel empresarial (por ejemplo, segmentación, restricciones de enrutamiento).
Implementador de Mitigación (Mitigation Implementer): Traduce la estrategia seleccionada en comandos concretos de configuración de dispositivos dentro de un presupuesto de comandos limitado.
Crítico (Critic): Revisa la implementación antes del replay para identificar errores de configuración, violaciones de políticas o desviaciones de la intención. Esto activa un bucle de implementación–crítica iterativo (hasta $K$ iteraciones) para refinar la configuración antes de que sea aceptada o descartada.
Juez (Judge): Evalúa el resultado rejugando el mismo adversario contra la red mitigada. Compara la Tasa de Éxito de Pasos de Ataque (ASSR) de la ejecución mitigada frente a la línea base no mitigada.
Resumidor (Summarizer): Produce un artefacto legible por humanos del proceso.

Mecanismos de Validación

La validación se basa en el replay ofensivo en lugar de la simulación abstracta o proxies de expertos. Una mitigación se considera exitosa solo si cumple dos criterios:

Disrupción del Ataque: Reduce estrictamente la Tasa de Éxito de Pasos de Ataque (Efectividad de la Mitigación, $ME > 0$).
Preservación de la Conectividad: Pasa dos sondas independientes desde el host comprometido: un ping de LAN a un objetivo interno y una solicitud HTTP a un endpoint de internet.

Además, el marco de trabajo soporta la Evaluación Acumulativa, donde las mitigaciones aprobadas se apilan sobre un estado de red persistente para medir efectos compuestos y prevenir regresiones.

3. Contribuciones Clave

Marco de Trabajo Autónomo de Extremo a Extremo: COHORT aborda tanto el cuello de botella del conocimiento experto como el cuello de botella del riesgo de producción. Genera y valida autónomamente mitigaciones utilizando comandos de dispositivos reales en un emulador de alta fidelidad, eliminando la necesidad de síntesis humana durante la fase de generación.
Descomposición de Agentes Múltiples: El documento demuestra que la descomposición del flujo de trabajo en roles especializados (Sugeridor, Implementador, Crítico) supera significativamente a una línea base de un solo agente.
Bucle de Crítica Iterativa: La inclusión de un agente Crítico que refina las configuraciones antes del replay se muestra como un componente crítico para el éxito del sistema.
Evaluación de Mitigación Acumulativa: El marco introduce un mecanismo para apilar defensas sobre un estado persistente, revelando efectos compuestos que la evaluación por mitigación individual pasa por alto.

4. Resultados Experimentales

El marco fue evaluado a través de tres topologías empresariales (Pequeña, Mediana, Grande) y cuatro escenarios de ataque (Ransomware, Movimiento Lateral, Exfiltración de DNS, Robo de Datos), utilizando GPT-5.4 mini como el modelo subyacente.

Tasa de Éxito de Mitigación (MSR): El marco multi-agente logró una MSR general del 46.7%. Esto representa una mejora de 4.4× respecto a la línea base de un solo agente (10.7%) utilizando el mismo modelo y acceso a herramientas.
- Descomposición de la Mejora: La especialización de roles (Multi-Agente sin Crítico) representó aproximadamente el 75% de la ganancia (38.6% MSR), mientras que el bucle de crítica iterativa representó el 25% restante.
Efectividad Acumulativa: Cuando se apilaron las mitigaciones aprobadas, el sistema alcanzó una meseta de aproximadamente el 52% de reducción de pasos de ataque tras la cuarta defensa.
Independencia de la Topología: No se detectó una diferencia estadísticamente significativa en la MSR entre las topologías pequeña, mediana y grande.
Categorías de Mitigación:
- Los controles centrados en el host (por ejemplo, Reforzamiento de Host, Control de Aplicaciones) dominaron tanto en volumen como en efectividad (por ejemplo, el Control de Aplicaciones logró un 82.1% de MSR).
- El filtrado basado en red fue la segunda categoría más común por volumen pero tuvo una tasa de éxito baja (5.8%). Los fallos se debieron principalmente a que las reglas se colocaron en el salto de red incorrecto, se evaluaron en el orden incorrecto o no tuvieron en cuenta intermediarios ocultos, más que a una intención incorrecta.

5. Significación y Alcance

El documento afirma la importancia de ser el primer marco que cierra el ciclo entre la emulación de adversarios, la generación de configuración de dispositivos reales y la validación mediante replay ofensivo. Al confinar la experimentación a un emulador de alta fidelidad, permite la derivación segura de mitigaciones desplegables que serían demasiado riesgosas para probar en redes de producción.

Limitaciones y Alcance:
Los autores declaran explícitamente que los resultados no se generalizan a:

Adversarios adaptativos: El marco asume un adversario guionizado que no replantea su estrategia en respuesta a las defensas.
Endpoints de Windows: La evaluación se restringió a contenedores Linux debido a limitaciones de recursos de emulación.
Heterogeneidad de proveedores: Las pruebas se limitaron a FortiGate, Cisco IOS y Open vSwitch.
Despliegue en producción: El marco genera candidatos validados, pero el despliegue final sigue siendo un paso impulsado por humanos.

El documento concluye que, si bien COHORT logra automatizar la derivación y validación de mitigaciones para adversarios guionados, el sistema requiere una revisión humana antes de su despliegue para garantizar la seguridad, especialmente dado el potencial del marco para exponer nuevas vulnerabilidades (por ejemplo, debilidades de escape de contenedor) durante el proceso de reforzamiento.