Seguridad de Almacenamiento de Training Data y Exfiltración en Runtime (Data Exposure · DAT-01 + DAT-02)
CTRL-AI-018 · Data Security · Storage & Runtime Exfiltration
Protección del training data en reposo y en inference. Cubre acceso directo no autorizado a storage (S3, databases, file shares) y exfiltración en runtime vía inference outputs, logs, cache y APIs. 6 payloads de AITG-DAT-01 + DAT-02 con encryption at rest, strict access controls, output sanitization y DLP.
Vector: Direct Storage Access + Inference-Time Data Leakage
Sistema de IA con training data almacenado en cloud storage, databases, o file shares, y con APIs de inference que procesan datos sensibles. El atacante intenta (1) acceder directamente al storage con credenciales débiles o buckets públicos, o (2) extraer datos sensibles vía inference outputs, logs, cache, o respuestas de APIs mal configuradas. Ambos vectores pueden exponer training data completo (incluyendo PII) o datos específicos de otros usuarios en runtime.
Control GRC
Gobernanza, Riesgo y Cumplimiento
Contexto del desafío
ISO/IEC 42001 — Anexo A
IDs de control del Anexo A. PROTUIN no está certificado por ISO. Verifica el alcance real en la norma oficial.
ENS — Esquema Nacional de Seguridad
IDs de medida del ENS (RD 311/2022). PROTUIN no es entidad certificadora. Consulta el alcance oficial en la guía CCN-STIC correspondiente.
EU AI Act (Reglamento 2024/1689)
OWASP AI Testing Guide v1 — Tests cubiertos
Mapeo a la metodología oficial de testeo de IA (Threat Modeling → Threat Mapping → Test Design).
- AITG-DAT-01Testing for Training Data ExposureDataOWASP AI ExchangeSecurityPrivacy
- AITG-DAT-02Testing for Runtime ExfiltrationDataOWASP AI ExchangeSecurityPrivacy
Controles relacionados
2Controles del mismo dominio o con vectores de ataque emparentados.
- CTRL-AI-003CríticaOutput Filtering · Sensitive Data Leak
Prevención de fugas de datos confidenciales (PII, credenciales, API keys, env vars, herramientas, parámetros internos) en las respuestas del LLM. Cubre los 9 payloads de AITG-APP-03 con detección automática de secrets, redacción determinista, allowlist de herramientas y sandboxing de reasoning.
Ver ficha - CTRL-AI-016CríticaModel Privacy · Inference & Inversion
Defensa del modelo contra ataques que comprometen la privacidad del training data: Membership Inference (determinar si un dato estaba en training) e Inversion Attacks (reconstruir datos sensibles desde outputs/gradients). Cubre 6 payloads de AITG-MOD-04 + AITG-MOD-05 con differential privacy, regularization, output perturbation y knowledge distillation.
Ver ficha