Como resultado de un ciberataque al servicio musical de IA Suno, se produjo una filtración del código fuente que arrojó luz sobre la verdadera magnitud de la recopilación de datos para el entrenamiento de modelos. Un hacker que actúa bajo el seudónimo de ellie.191 logró acceder a los sistemas de la empresa infectando el ordenador de un empleado con el gusano Shai-Hulud. El malware se propagó a través de paquetes npm comprometidos y robó credenciales, tokens y claves de acceso.

Los archivos filtrados contienen registros detallados de descargas de audio de YouTube Music, Deezer, Pond5 y otras plataformas. Según mi análisis, esto no es solo una violación de la privacidad, sino una prueba directa de piratería sistemática en la industria de generación musical con IA.

Cifras impactantes

Uno de los archivos registró la descarga de 2 013 545 videoclips musicales de YouTube Music con una duración total de 113 879 horas. Otro conjunto, etiquetado como ytm_tagged, incluía 152 162 horas de grabaciones etiquetadas de YouTube. En el código también se encontraron 62 117 horas de música de Pond5, 12 287 horas de Deezer, 17 615 horas del conjunto genius_hq y 19 514 horas del Proyecto Internacional de Biblioteca de Partituras Musicales. Jamendo correspondía a 3 726 horas, Freesound a 410 horas y el conjunto musescore_lyrics a 103 horas. Además, Suno planeaba descargar alrededor de 1 millón de horas de podcasts de aproximadamente 420 000 fuentes RSS.

Para recopilar audio de YouTube, los desarrolladores utilizaron servicios proxy de Bright Data, lo que permitía dirigir las solicitudes a través de direcciones IP de terceros, ocultando la verdadera fuente de la descarga.

Conexión con las demandas de los sellos

La filtración se relaciona directamente con los litigios en curso. El 21 de mayo, Universal Music Group y Sony Music Entertainment exigieron que se añadieran a la demanda contra Suno 61 026 grabaciones detectadas en los datos de entrenamiento mediante la tecnología de huellas dactilares de audio Audible Magic. Los sellos afirman que Suno utilizó YT-DL y YT-DLP para eludir el cifrado de YouTube y convertir el audio en streaming en archivos descargables, lo que constituye una violación de la sección 1201 de la DMCA. El código filtrado confirma la descarga desde YouTube y el uso de proxies, pero no demuestra la elusión de una medida técnica específica.

Suno confirmó el incidente, detectado en noviembre de 2025, pero afirma que afectó principalmente a código obsoleto y que no se comprometieron datos personales confidenciales. Sin embargo, la empresa no ha publicado un informe técnico, lo que plantea dudas sobre la transparencia.

Mi comentario: Esta filtración no es solo un incidente técnico, sino una señal para toda la industria. Suno, como muchas otras empresas de IA, dependía de métodos «grises» de recopilación de datos, lo que ahora la expone a demandas multimillonarias. Inversores y usuarios deben seguir de cerca el desarrollo del caso, ya que podría sentar un precedente que cambie las reglas del juego para todos los modelos generativos.