En la conferencia ICML 2026 en Seúl se presentó una metodología de ataques a sistemas de inteligencia artificial fundamentalmente nueva. Su esencia no radica en comprometer datos u obtener acceso no autorizado, sino en ralentizar deliberadamente el funcionamiento del modelo hasta dejarlo completamente inutilizable. Investigadores de la Universidad de Zhejiang y Alibaba demostraron cómo se puede convertir la fortaleza de las IA razonadoras en su talón de Aquiles.

Mecánica del ataque: cómo hacer que la IA «reflexione» hasta el infinito

A diferencia de los modelos de lenguaje grandes (LLM) estándar, los modelos razonadores (reasoning models) dividen las tareas complejas en pasos lógicos secuenciales. Esta característica los hace indispensables para el análisis en múltiples etapas, pero al mismo tiempo crea una vulnerabilidad. Al trabajar con datos incompletos o contradictorios, estos modelos tienden a un «pensamiento» excesivo, generando cadenas de razonamiento excesivamente largas.

El método desarrollado utiliza un algoritmo genético para provocar intencionadamente este comportamiento. El algoritmo mezcla las condiciones de las tareas, elimina premisas clave y añade otras superfluas, seleccionando aquellas variantes que provocan la respuesta más larga. Los resultados son impresionantes: en el conjunto de prueba MATH, la longitud de las cadenas de razonamiento aumentó 26,1 veces. Los más vulnerables resultaron ser DeepSeek-R1, Qwen3-Thinking, GPT-o3 y Gemini 2.5 Flash.

Es críticamente importante que las consultas creadas para un modelo pequeño resultaron efectivas también contra otros sistemas, incluidos grandes proyectos comerciales. Esto abre la posibilidad de ataques a servicios cerrados sin costes significativos.

Riesgos para DeFi y sistemas de agentes

Especial preocupación causa la propagación de modelos razonadores en sistemas de IA agénticos, incluidos bots de trading, herramientas de auditoría de contratos inteligentes e infraestructura descentralizada. En DeFi, los asistentes digitales basados en IA gestionan fondos reales sin intervención humana. Un fallo en la lógica, provocado intencionadamente, crea un riesgo operativo directo.

Este trabajo confirma el conocido problema del «pensamiento excesivo», identificado ya en febrero de 2025. El análisis de 4018 trayectorias agénticas mostró tres patrones clave: «parálisis del análisis» (el modelo continúa razonando en lugar de ejecutar la tarea), «acciones impredecibles» (intento de realizar varias acciones simultáneamente tras un error) y «finalización prematura» (interrupción de la tarea sin verificar el resultado).

Mi valoración experta: Esta clase de ataques no es solo una curiosidad académica, sino una amenaza real para la infraestructura donde el tiempo de respuesta es crítico. Teniendo en cuenta que el desarrollo futuro de las principales empresas de IA depende cada vez más de la disponibilidad de potencia computacional, estos ataques DoS podrían convertirse en una herramienta barata y eficaz para interrumpir el funcionamiento de ecosistemas enteros. Inversores y desarrolladores de proyectos DeFi deberían revisar de inmediato sus protocolos de seguridad en el contexto de esta nueva superficie de ataque.