Una organización detecta un dominio asociado a una campaña maliciosa. Lo bloquea. Unas horas después aparece otro. También lo bloquea. Después cambia la infraestructura. El malware cambia su hash. El atacante utiliza un servicio legítimo para comunicarse.
Y el equipo empieza a perseguir indicadores que se mueven más rápido que su capacidad para incorporarlos.
No es un problema de falta de información. Es un problema de modelo de análisis.
La inteligencia de amenazas no puede reducirse a recopilar indicadores, consumir feeds o monitorizar fuentes. ENISA plantea precisamente una evolución hacia análisis más orientados a amenazas y con mayor contextualización, mientras que MITRE describe ATT&CK como una base de conocimiento construida sobre observaciones reales del comportamiento adversario. (ENISA)
La cuestión es entonces mucho más exigente:
¿Cómo construimos conocimiento suficientemente fiable sobre un adversario como para anticipar qué puede hacer y decidir qué debemos hacer nosotros?
Ahí comienza realmente la ciberinteligencia.
1. Una investigación de inteligencia no empieza buscando datos
Imaginemos que una empresa del sector industrial quiere conocer su exposición ante un determinado grupo de amenazas. La primera reacción puede ser buscar:
- IP;
- dominios;
- malware;
- vulnerabilidades;
- campañas;
- menciones en redes.
Pero esa búsqueda todavía no constituye una investigación de inteligencia.
Primero necesitamos formular la necesidad de inteligencia. Por ejemplo:
- ¿Qué actores tienen capacidad e interés para atacar nuestro sector?
- ¿Qué TTP utilizan?
- ¿Qué infraestructura han empleado recientemente?
- ¿Qué proveedores o tecnologías forman parte de su superficie de oportunidad?
- ¿Qué señales podrían indicar preparación de una campaña?
Esta distinción es fundamental porque determina todo lo que viene después. Una misma fuente puede ser irrelevante para una pregunta y crítica para otra. Y una investigación que no sabe exactamente qué quiere conocer puede terminar produciendo miles de datos sin una conclusión defendible.
ENISA ha actualizado precisamente su metodología de Threat Landscape para hacer más sistemática y accionable la producción de inteligencia sobre amenazas. (ENISA)
2. Del OSINT a la evidencia
Una investigación real rara vez tiene una fuente única. Podemos empezar con una infraestructura:
dominio → certificado → IP → ASN → proveedor → otros dominios
Y encontrar después una segunda dimensión:
dominio → cuenta → alias → repositorio → organización → persona
Y una tercera:
actor → campaña → malware → TTP → objetivo
Aquí OSINT deja de significar simplemente “buscar en Internet”. La investigación puede incorporar:
- búsquedas avanzadas;
- análisis de metadatos;
- DNS y certificados;
- repositorios públicos;
- redes sociales;
- fuentes sectoriales;
- publicaciones técnicas;
- filtraciones;
- foros;
- Deep Web;
- Dark Web.
Pero aparece un problema crítico: encontrar una relación no demuestra que esa relación sea cierta. Por eso la investigación necesita procedimientos de validación, corroboración y evaluación de fiabilidad.
- Una fuente puede ser auténtica y estar equivocada.
- Una información puede ser correcta y estar descontextualizada.
- Dos fuentes pueden parecer independientes y proceder en realidad de la misma fuente original.
La calidad de la inteligencia depende tanto de la capacidad para encontrar información como de la capacidad para decidir qué información merece confianza.
3. Cuando un indicador deja de ser suficiente
Aquí aparece uno de los saltos conceptuales más importantes.
Supongamos que obtenemos: IP 185.x.x.x. Podemos bloquearla. Pero un adversario puede sustituirla.
Lo mismo puede ocurrir con: dominios; hashes; URLs; certificados; infraestructura.
MITRE documenta incluso casos en los que adversarios han monitorizado información publicada por proveedores de inteligencia sobre sus propias campañas y han sustituido indicadores publicados en menos de una semana. (MITRE ATT&CK)
Esto explica por qué la inteligencia basada exclusivamente en indicadores atómicos tiene una vida útil limitada.
El siguiente nivel es estudiar el comportamiento. Por ejemplo:
- ¿Cómo obtiene acceso?
- ¿Cómo consigue persistencia?
- ¿Cómo escala privilegios?
- ¿Cómo se mueve lateralmente?
- ¿Cómo evita ser detectado?
- ¿Cómo consigue sus objetivos?
Aquí aparecen las Tácticas, Técnicas y Procedimientos (TTP).
MITRE ATT&CK estructura precisamente este conocimiento distinguiendo entre tácticas (el “por qué”) y técnicas y sub-técnicas (el “cómo”), proporcionando un lenguaje común para comparar y analizar comportamiento adversario. (MITRE ATT&CK)
El cambio es profundo:
un IoC nos ayuda a reconocer algo que ya conocemos; una TTP nos ayuda a reconocer cómo opera el adversario.
4. El valor aparece cuando relacionamos piezas que no nacieron juntas
Aquí es donde una investigación empieza a parecerse más a un problema de análisis que a una búsqueda. Imaginemos:
- un dominio registrado recientemente;
- un certificado reutilizado;
- una IP asociada anteriormente a otra campaña;
- una cuenta que aparece en una comunidad;
- una vulnerabilidad explotada por un grupo;
- un documento publicado con determinados metadatos;
- una infraestructura compartida con otra operación.
Cada elemento, por separado, puede tener un valor limitado. Pero podemos construir un grafo:
Actor
↔ Cuenta
↔ Infraestructura
↔ Dominio
↔ Malware
↔ Campaña
↔ Objetivo
La relación entre los nodos puede convertirse en una evidencia mucho más potente que cualquiera de ellos individualmente.
Esto permite trabajar con grafos de relaciones, comunidades, centralidad, vínculos y patrones de comportamiento, especialmente cuando el objeto de investigación incluye personas, organizaciones, cuentas o infraestructuras.
Y también obliga a introducir una precaución:
correlación no significa atribución.
Que dos elementos estén relacionados no demuestra que pertenezcan al mismo actor. La atribución requiere construir hipótesis, contrastarlas y evaluar evidencias alternativas.
5. El adversario no existe fuera de un contexto
Una campaña puede tener una determinada TTP. Pero eso todavía no nos dice si es relevante. Para conocer el riesgo necesitamos cruzar la inteligencia del adversario con nuestra propia realidad:
actor → capacidad → motivación → objetivo → vulnerabilidad → activo → dependencia → impacto
Supongamos que aparece una vulnerabilidad crítica.
- La pregunta técnicamente sencilla es: ¿Está afectada nuestra infraestructura?
- La pregunta de inteligencia es: ¿Existe un actor con capacidad e interés para explotarla contra nosotros y hay señales que indiquen que lo está haciendo o podría hacerlo?
Esta diferencia cambia la priorización.
ENISA señala que el abuso de dependencias digitales y de la cadena de suministro está amplificando el impacto potencial de los ataques precisamente porque los actores pueden aprovechar las interconexiones existentes entre organizaciones. (ENISA)
Por eso la superficie de inteligencia no coincide necesariamente con nuestra superficie tecnológica. También incluye: proveedores; partners; servicios cloud; software; terceros; personas; relaciones; exposición pública.
6. El analista necesita saber cuándo una hipótesis es suficientemente sólida
Uno de los errores más peligrosos en inteligencia es confundir una explicación plausible con una explicación demostrada.
Supongamos que encontramos: A → B → C
Podemos plantear: “A podría estar relacionado con C.”
Pero todavía debemos preguntar:
- ¿Qué evidencia respalda la relación?
- ¿Qué fuentes son independientes?
- ¿Qué información contradice la hipótesis?
- ¿Qué otras explicaciones existen?
- ¿Qué antigüedad tiene la evidencia?
- ¿Qué nivel de confianza podemos asignar?
Esta disciplina es especialmente importante en atribución. Una conclusión profesional puede ser: Alta confianza, Confianza moderada, Hipótesis plausible, Evidencia insuficiente.
Decir “no lo sabemos todavía” puede ser una conclusión mucho más rigurosa que atribuir prematuramente una operación. Y cuando la investigación tiene consecuencias operativas, reputacionales o legales, la trazabilidad de cómo se llegó a esa conclusión adquiere todavía más importancia.
7. La inteligencia también tiene una dimensión operativa
STIX y TAXII no son simplemente acrónimos que aparecen en una arquitectura de ciberseguridad. Responden a un problema concreto:
¿Cómo representamos y compartimos inteligencia de forma estructurada para que pueda ser utilizada por personas y sistemas?
STIX proporciona un lenguaje para expresar información sobre amenazas y observables; TAXII define un protocolo para intercambiar información de inteligencia de amenazas de forma escalable. Ambos son estándares OASIS. (oasis-open.org)
Esto permite pasar de: “Tenemos un informe sobre este grupo.”
a algo mucho más operacional: “Tenemos entidades, relaciones, indicadores, campañas, actores, técnicas y observables que podemos correlacionar y compartir.”
El salto es importante porque conecta la inteligencia con: SIEM; detección; threat hunting; respuesta; colaboración; intercambio sectorial.
La inteligencia deja así de ser un documento estático y empieza a formar parte de un sistema de conocimiento operativo.
8. El atacante también observa nuestra inteligencia
Existe otra dimensión menos evidente.
Si nosotros utilizamos inteligencia para estudiar a un adversario, el adversario puede estudiar también:
- qué indicadores publicamos;
- qué infraestructura conocemos;
- qué herramientas utilizamos;
- qué patrones detectamos;
- qué información hacemos pública.
MITRE documenta precisamente técnicas relacionadas con la búsqueda por parte de adversarios de información sobre sus propias campañas en fuentes de inteligencia para modificar posteriormente su comportamiento. (MITRE ATT&CK)
Por eso una capacidad madura necesita también OPSEC y contrainteligencia.
No basta con preguntarnos: “¿Qué sabemos del adversario?”
Hay que preguntarse: “¿Qué puede saber el adversario sobre lo que nosotros sabemos?”
Ese cambio introduce una dimensión estratégica completamente diferente.
9. IA: más capacidad de procesamiento, más necesidad de análisis
La IA está modificando el ciclo de inteligencia. Puede ayudar a: clasificar documentos; extraer entidades; identificar relaciones; resumir grandes volúmenes; detectar patrones; generar consultas; enriquecer indicadores; acelerar investigaciones.
Pero también modifica al adversario.
ENISA identifica la convergencia, automatización e industrialización como tendencias estructurales del panorama de amenazas y señala el uso de IA para acelerar campañas y mejorar técnicas de engaño. (ENISA)
Esto genera una paradoja: cuanto más información puede procesar una máquina, más importante se vuelve determinar qué significa.
- La IA puede detectar que: A está relacionado con B.
El analista debe determinar: ¿Por qué? - Puede encontrar una coincidencia.
El analista debe determinar: ¿Es significativa? - Puede generar una hipótesis.
El analista debe determinar: ¿Qué evidencia la sostiene?
La IA puede reducir radicalmente el coste de explorar hipótesis. No elimina la responsabilidad de validarlas.
10. La ciberinteligencia tiene que convivir con el marco de riesgo
Una investigación de inteligencia no ocurre en un vacío normativo. La organización necesita integrar sus conclusiones dentro de su sistema de gestión del riesgo.
ISO/IEC 27001 establece requisitos para un sistema de gestión de seguridad de la información y sitúa la gestión del riesgo en el centro del enfoque de seguridad. ISO/IEC 27005 proporciona orientación específica para identificar, evaluar y tratar riesgos de seguridad de la información. (ISO)
NIS2, por su parte, incorpora obligaciones de gestión del riesgo, notificación e intercambio de información para las entidades dentro de su ámbito. (Eur-Lex)
Esto tiene una consecuencia práctica:
La inteligencia no debería terminar en: “Hemos identificado este actor.”
Debería poder llegar hasta: “Esta información modifica nuestra valoración del riesgo y, por tanto, nuestra prioridad de actuación.”
Ese es el punto en el que la inteligencia deja de ser exclusivamente una capacidad de seguridad y se convierte en una capacidad de gestión.
11. Una capacidad de inteligencia también puede quedar obsoleta
Esta es probablemente una de las cuestiones menos visibles y más importantes.
La obsolescencia no afecta únicamente a: sistemas; software; sensores; herramientas.
También puede afectar al modelo mental con el que interpretamos las amenazas. Una función puede estar perfectamente operativa y, sin embargo, utilizar:
- fuentes que ya no son relevantes;
- indicadores fácilmente sustituibles;
- técnicas de análisis demasiado estáticas;
- modelos de atribución insuficientes;
- herramientas incapaces de trabajar con nuevos volúmenes;
- metodologías que no contemplan IA;
- una visión del adversario que no incorpora nuevas formas de colaboración y convergencia.
ENISA observa precisamente una mayor reutilización y convergencia de herramientas y TTP entre grupos de amenaza, junto con nuevas formas de explotación y automatización. (ENISA)
Mandiant, desde la perspectiva de investigaciones reales de incidentes, documenta además el uso de zero-days, redes proxy, dispositivos periféricos y malware personalizado por parte de actores sofisticados para dificultar la detección y prolongar su permanencia. (Google Cloud)
La pregunta de madurez cambia entonces: ¿Tenemos inteligencia?
por: ¿Nuestra capacidad de inteligencia sigue siendo adecuada para el adversario al que nos enfrentamos hoy?
12. La prueba definitiva: ¿qué decisión ha cambiado?
La ciberinteligencia tiene un criterio de éxito sencillo de formular y difícil de conseguir:
¿Qué decisión hemos podido tomar mejor gracias a esta inteligencia?
Puede ser: priorizar una vulnerabilidad; investigar una infraestructura; modificar una regla de detección; revisar un proveedor; reforzar una arquitectura; activar una investigación; preparar un escenario; modificar una inversión; anticipar una campaña.
ENISA describe precisamente el análisis del panorama de amenazas como una herramienta para orientar decisiones y priorizar acciones. (ENISA)
Por eso podemos representar la cadena completa como:
Necesidad de inteligencia → recolección → OSINT / SOCMINT / CTI → verificación → correlación → TTP / comportamiento → hipótesis → atribución / evaluación → contextualización del riesgo → inteligencia → decisión → retroalimentación
El último paso es fundamental. La decisión genera nuevas preguntas. Y esas preguntas alimentan el siguiente ciclo.
13. De reaccionar a anticipar
Una organización madura en ciberseguridad no necesita necesariamente conocer más cosas. Necesita conocer mejor las cosas que pueden cambiar sus decisiones.
Eso exige pasar:
- de los datos a las evidencias;
- de los IoC a los patrones de comportamiento;
- de las amenazas genéricas a los actores relevantes;
- de las vulnerabilidades al riesgo contextualizado;
- de los informes a la inteligencia accionable;
- de la reacción a la anticipación.
Y exige asumir una última realidad:
El adversario aprende. La tecnología cambia. Las fuentes cambian. Los datos cambian. Los métodos de ataque cambian.
Por tanto, la capacidad de inteligencia también tiene que aprender.
Porque la verdadera ventaja no está en saber qué amenaza existe hoy. Está en construir una organización capaz de detectar que el escenario está cambiando antes de que el cambio se convierta en una crisis.
Referencias
- ENISA Threat Landscape 2025: amenazas, TTP, IA, dependencias y tendencias. (ENISA)
- ENISA Cybersecurity Threat Landscape Methodology: metodología de análisis de amenazas. (ENISA)
- MITRE ATT&CK: comportamiento adversario y CTI. (MITRE ATT&CK)
- OASIS STIX 2.1 / TAXII 2.1: estándares de representación e intercambio de CTI. (oasis-open.org)
- Google Cloud / Mandiant M-Trends 2025: evidencia procedente de investigaciones reales. (Google Cloud)
- ISO/IEC 27001 y 27005: gestión de seguridad y riesgo. (ISO)
- Directiva NIS2: gestión del riesgo e intercambio de información de ciberseguridad. (Eur-Lex)





