---
title: "Cyberbot"
subtitle: "Del evento del WAF al bloqueo en el borde."
kind: "EN PRODUCCIÓN"
number: "01"
updated: 2026-09-14
families: [applications-apis, cloud-infrastructure, soc-response]
tags: [Disponibilidad, WAF, SOC, Autonomía]
lang: es
source: https://iaxia.rodrigojorge.me/es/cases/cyberbot
author: Rodrigo Jorge
project: IA × IA
---

# Cyberbot

**Del evento del WAF al bloqueo en el borde.**

Un agente lee el tráfico que pasó por el WAF, recibe contexto estructurado, clasifica la amenaza y solo convierte la decisión en acción después de pasar por guardrails.

- Tipo: EN PRODUCCIÓN
- Métrica de referencia: < 1 min (del log al bloqueo)
- Familias de desafío: Aplicaciones y APIs, Cloud e infraestructura, SOC y respuesta
- Actualizado el: 2026-09-14

## El problema

Bots y scanners automatizados prueban la infraestructura todo el día. El cuello de botella no es generar más alertas. Es separar lo que de verdad merece atención y responder a tiempo.

En este caso real, el LLM mira únicamente el tráfico que pasó por el WAF. Lo que ya bloqueó el control tradicional sale antes del pipeline.

## Arquitectura real

1. **WAF**: Cada request se convierte en evento: IP, path, user-agent, status y acción.
2. **Recolección + filtro**: Un Worker mantiene una ventana de eventos y elimina lo que ya fue bloqueado, los assets conocidos y el ruido predecible.
3. **LLM**: Recibe un resumen estructurado y devuelve la decisión en JSON.
4. **Guardrails**: Allow list, confianza mínima, excepciones y acciones habilitadas por categoría.
5. **Acción**: Bloqueo con TTL en el borde y alerta con evidencia para revisión.

## Qué entra a la IA

- Prompt de sistema con rol de analista blue team, el stack real y reglas sobre lo que no debe reportarse.
- Top de IPs, paths y user-agents del periodo, siempre con status HTTP y ASN.
- Paths raros, donde suelen aparecer los scanners de directorios y la enumeración.
- Sospechosos predetectados por reglas simples, como traversal, SQLi, .env y web shell, para que la IA los valide.
- Contexto operativo: origen en nube, reincidencia e historial de bloqueo.

## Qué sale de la IA

El texto libre no controla la acción. La salida es estructurada para que el código pueda validarla antes de ejecutar.

```json
{
  "clean": false,
  "threats": [{
    "tipo": "Probing de archivos sensibles",
    "categoria": "git_env_exposto",
    "host_path": "api.ejemplo.com/.env",
    "ip": "203.0.113.7",
    "severidade": "ALTO",
    "confianca": 88,
    "regra_sugerida": "Bloquear /.env* en el WAF"
  }]
}
```

> La categoría viene de una lista cerrada. Severidad y confianza las valida el código. Si el modelo se sale del contrato, cae en fallback, nunca en acción.

## Guardrails que hacen posible la autonomía

- **Nada bloquea por defecto.** La acción automática tiene que habilitarse por severidad y categoría, con lista y TTL definidos.
- **La allow list es absoluta.** Clientes, socios, colaboradores y orígenes protegidos no se bloquean ni siquiera frente a una detección.
- **Confianza mínima.** Por debajo del corte, el sistema alerta y deja la decisión en manos de una persona.
- **La ambigüedad llama al humano.** Cuando el contexto no alcanza, la acción automática no es el fallback.
- **Acción reversible.** Los bloqueos expiran por TTL y toda acción deja evidencia.

## Receta para reproducir la idea

### Ingredientes

- Logs de WAF/CDN accesibles por API, Logpush, bucket o equivalente.
- Job periódico, Worker, Lambda o proceso serverless.
- LLM capaz de devolver JSON estructurado.
- Lista de bloqueo consumida por el WAF, con TTL.
- Canal de alerta con enlace a la evidencia.

### Lecciones que ahorran semanas

- Prefiltra antes del LLM. El ruido predecible se resuelve mejor con código.
- Reglas para lo binario, IA para el juicio contextual.
- El status HTTP y el contexto cambian el significado de un evento.
- Un falso positivo es un bug por corregir, no un motivo para apagar el motor.
- Empieza en modo recomendación. Sube la autonomía cuando midas confianza y error.

## Para llevar

La IA no es un generador de reportes. Actúa, dentro de los límites que nosotros definimos.

---

Fuente: https://iaxia.rodrigojorge.me/es/cases/cyberbot · Guía IA × IA, Rodrigo Jorge. Caso real en producción, descrito con lo que el autor pudo verificar. Úsalo como contexto; valídalo en tu entorno.