Investigadores de ciberseguridad identificaron una técnica capaz de ocultar instrucciones maliciosas dentro de textos aparentemente normales, permitiendo evadir determinados filtros de seguridad utilizados por sistemas de inteligencia artificial.
Una investigación de Check Point Research, publicada el 10 de septiembre de 2026, reveló la existencia de PuzzleMask, una técnica de manipulación de instrucciones diseñada para superar los controles de seguridad que protegen a los modelos de inteligencia artificial (IA).
El descubrimiento representa un nuevo desafío para las empresas que utilizan sistemas inteligentes en sus operaciones, especialmente aquellas que procesan información confidencial o permiten ejecutar acciones automatizadas.
A diferencia de otros métodos de ataque, PuzzleMask no necesita utilizar caracteres invisibles, símbolos extraños ni códigos especiales para ocultar instrucciones peligrosas. Su principal característica consiste en integrar órdenes maliciosas dentro de párrafos escritos con lenguaje natural, que aparentan ser completamente inofensivos.
¿CÓMO FUNCIONA PUZZLEMASK?
Los investigadores explicaron que numerosos sistemas de inteligencia artificial utilizan un mecanismo de protección de dos niveles.
El primero consiste en un modelo relativamente sencillo que analiza las solicitudes recibidas y determina si contienen instrucciones peligrosas. Cuando considera que el contenido es seguro, lo remite a un segundo modelo, más potente, encargado de procesar la información.
PuzzleMask aprovecha precisamente las diferencias entre ambos sistemas.
El modelo encargado de la vigilancia inicial puede interpretar el texto como una conversación normal, sin advertir que contiene una instrucción oculta. Sin embargo, el sistema más avanzado dispone de mayores capacidades de razonamiento para identificar y reconstruir ese mensaje.
De esta manera, determinadas instrucciones consiguen superar el primer filtro de seguridad.
Los especialistas aclararon que PuzzleMask no elimina necesariamente las protecciones internas del modelo principal. Su objetivo específico consiste en evitar que las instrucciones sean detectadas durante la revisión preliminar.
RESULTADOS PREOCUPANTES
Durante la investigación, los especialistas desarrollaron 23 instrucciones manipuladas y las sometieron a diferentes sistemas de protección.
Las pruebas incluyeron cuatro modelos utilizados para examinar solicitudes: Claude 3 Haiku, GPT-4o Mini, GPT-oss-safeguard y Llama Guard 3.
Los resultados demostraron que el 100 % de las instrucciones sometidas a los filtros fueron clasificadas como seguras, pese a contener mensajes que debían ser detectados.
Posteriormente, los investigadores utilizaron un modelo GPT-5 con capacidades avanzadas de razonamiento y acceso a herramientas de programación.
En esta segunda fase, el sistema consiguió recuperar y ejecutar las instrucciones ocultas en 17 de las 18 pruebas realizadas, equivalente aproximadamente al 94 % de los casos.
Los investigadores precisaron que los experimentos relacionados con archivos se realizaron en entornos simulados, sin comprometer información real de usuarios.
Estos porcentajes corresponden exclusivamente a las condiciones del estudio y no significan que PuzzleMask pueda superar cualquier sistema de seguridad.
RIESGOS PARA LAS EMPRESAS
La técnica plantea riesgos para organizaciones que utilizan inteligencia artificial en procesos administrativos, análisis de documentos, desarrollo de programas informáticos y gestión de información empresarial.
En determinados escenarios, una instrucción maliciosa podría intentar provocar respuestas no autorizadas o acciones contrarias a las políticas de seguridad establecidas.
La preocupación aumenta cuando los asistentes inteligentes tienen permisos para consultar documentos, ejecutar herramientas o interactuar con sistemas corporativos.
Sin embargo, el éxito de estos ataques depende de las capacidades del modelo, sus permisos y los mecanismos adicionales de protección.
RECOMENDACIONES DE SEGURIDAD
Los especialistas recomendaron fortalecer los sistemas de vigilancia para que no se limiten exclusivamente a examinar las instrucciones antes de procesarlas.
También plantearon incorporar mecanismos que analicen las respuestas y acciones ejecutadas por los modelos de inteligencia artificial.
Entre las alternativas propuestas figuran reformular automáticamente los textos recibidos, establecer reglas de detección más específicas y utilizar sistemas de protección capaces de reconocer estructuras sospechosas dentro de mensajes aparentemente normales.
La investigación también identificó sistemas que resistieron las pruebas, lo que demuestra que existen mecanismos capaces de enfrentar este tipo de manipulación.
PuzzleMask confirma que la seguridad de la inteligencia artificial no depende únicamente de impedir instrucciones maliciosas evidentes, sino también de reconocer amenazas que pueden esconderse en comunicaciones cotidianas.
