Un fallo crítico en el SDK de Vertex AI permitió secuestrar subidas de modelos con bucket squatting

Un error de seguridad en el kit de desarrollo de Vertex AI para Python ha puesto en jaque la integridad de los modelos de inteligencia artificial que muchas empresas suben a la nube. El fallo, detectado en versiones concretas del SDK, permitía a un atacante desviar la carga de archivos hacia un almacenamiento controlado por él, sin necesidad de acceder al proyecto de la víctima. La técnica, conocida como bucket squatting, se basa en "ocupar" un nombre de recurso predecible antes de que lo haga el usuario legítimo.

El problema radicaba en cómo el SDK gestionaba los buckets temporales de almacenamiento —espacios donde se guardan los modelos antes de procesarlos—. Cuando una empresa no especificaba un bucket propio, el sistema generaba uno con un nombre basado en el identificador del proyecto, un dato que, en muchos casos, es fácil de adivinar. Un atacante podía crear ese mismo bucket en su propio entorno y, al iniciar la subida, los archivos acababan en sus manos. Aunque la ventana para manipular los datos era breve —unos segundos—, bastaba para sustituir el modelo original por uno modificado.

Riesgos más allá de la suplantación

El peligro no se limitaba a robar o alterar modelos. Si el archivo subido contenía código serializado —como los formatos pickle o joblib, comunes en machine learning—, el atacante podía incluir instrucciones maliciosas. Al desplegar el modelo, la infraestructura ejecutaría ese código sin saberlo, abriendo la puerta a ataques más graves: desde el robo de credenciales hasta el control remoto de los sistemas. Este tipo de vulnerabilidades son especialmente críticas en entornos donde la IA se usa para automatizar decisiones, como la evaluación de riesgos en préstamos o el análisis de datos sensibles.

Google ya ha solucionado el fallo en versiones posteriores del SDK, pero la recomendación para las empresas es clara: actualizar el paquete a la versión 1.148.0 o superior y evitar depender de buckets por defecto. Lo ideal es definir un almacenamiento temporal propio, con permisos restrictivos y aislado del resto de recursos. También conviene revisar los flujos de trabajo para detectar usos del SDK sin configuración explícita y auditar el uso de formatos serializados, que deberían tratarse como potencialmente peligrosos si no se garantiza su integridad.

Qué significa para tu negocio

Si tu pyme trabaja con modelos de IA en la nube —por ejemplo, para analizar datos de clientes, optimizar rutas de reparto o predecir tendencias—, este fallo es un recordatorio de que la seguridad no es solo cosa de los proveedores. Pequeños detalles, como no configurar un bucket propio o usar formatos de archivo inseguros, pueden convertirse en puertas traseras para ciberataques. La solución pasa por tres acciones inmediatas: actualizar el SDK si lo usas, revisar cómo subes y gestionas tus modelos, y formar a tu equipo para que evite atajos que comprometan la seguridad. En un sector como el de la construcción, las reformas o los servicios técnicos, donde la confidencialidad de los datos es clave, un error así podría dañar la reputación de tu empresa y generar costes legales. La prevención, en este caso, es más barata que la cura.