Shadow IT
Servicios y aplicaciones publicados fuera de cualquier proceso formal de TI — provisionados por áreas de negocio, equipos de producto o proveedores, sin pasar por el control central.
ARQUITECTURA DE DISCOVERY
Discovery por Machine Learning combinado con capa agéntica.
CSURFACE opera modelos de Machine Learning especializados, supervisados por una capa agéntica que decide sobre la propiedad de cada objeto observado. El resultado es un inventario con profundidad real y ruido técnico mínimo — sin agentes, desde el dominio raíz.
EL RETO
La enumeración tradicional solo ve la parte predecible de la superficie
Métodos clásicos de detección dependen de patrones esperados: nombres comunes, rangos de red declarados, listas conocidas. Encuentran lo que sigue convenciones —pero también la superficie de ataque real está compuesta por activos que no siguen ningún patrón: entornos temporales, proyectos discontinuados, infraestructura heredada de adquisiciones y servicios publicados fuera de cualquier proceso.
Es exactamente en este intervalo —entre lo predecible y lo expuesto— donde se concentra el riesgo fuera del monitoreo. Ampliar la detección más allá de lo obvio, sin inundar al equipo con ruido, es lo que separa un inventario aproximado de uno confiable.
DISCOVERY
Del grano a la superficie completa
A partir de un único punto de partida, la plataforma entrega una visión completa de la superficie — independientemente de la distribución y el país —, identificando cada activo con Machine Learning y capa agéntica.
0Entidades
0Dominios
0Activos
0Terceros
Machine Learning
Propiedad fundamentada en evidencia convergente.
Para cada activo observado, múltiples evidencias independientes se reconcilian hasta sustentar una decisión sobre la propiedad del activo y su vínculo con la organización — auditable en cada inclusión en el inventario.
Solo lo que resiste la reconciliación entre las evidencias llega al inventario entregado — cada inclusión preserva el historial que respalda la decisión.
| Activo | Tecnología | Evidencia | Veredicto |
|---|---|---|---|
| portal.exemplo.com.br nuevo | Nginx · WordPress | dominio raíz + crawl | 0.98 RECLAMADO POR Machine Learning |
| api.exemplo-net.com | Kong · Node.js | certificado TLS + DNS | 1.00 RECLAMADO AUTOMÁTICAMENTE |
| hml-legado.exemplo.com.br nuevo | Apache · PHP 7.2 | subdominio + registro | 0.96 RECLAMADO POR Machine Learning |
| cdn.marca-exemplo.com | Cloudflare | referencia en página + TLS | 0.99 RECLAMADO POR Machine Learning |
| vpn.exemplo.com.br | Fortinet | dominio raíz + DNS | 1.00 RECLAMADO AUTOMÁTICAMENTE |
PUNTOS CIEGOS
La superficie que el inventario oficial no registra
Una buena parte de la exposición real vive fuera de las listas conocidas: activos publicados fuera del proceso, ambientes que nadie ha apagado, tecnología antigua sin dueño claro. El descubrimiento incorpora esos activos al inventario con la misma decisión de propiedad fundamentada.
Ambientes temporales y de homologación
Activos creados para un propósito puntual y nunca apagados — homologaciones, pruebas de concepto y ambientes de prueba que permanecen expuestos mucho después de cumplida la función.
Tecnología legada
Sistemas antiguos aún en funcionamiento, frecuentemente sin dueño definido y sin mantenimiento — la categoría de activo donde la exposición tiende a pasar más tiempo desapercibida.
Superficie publicada por terceros
Integraciones y servicios expuestos por proveedores en nombre de la organización, que amplían la superficie sin aparecer en ningún inventario interno.
Es justamente en este intervalo — entre lo previsible y lo expuesto — donde se concentra el riesgo fuera del monitoreo. Cada uno de estos activos entra al inventario con la evidencia que sustenta la decisión de propiedad.
CAPA AGÉNTICA
Sobre los modelos de ML opera un agente que decide.
La capa agéntica es el supervisor de los modelos. Analiza los datos enriquecidos y clasificados, resuelve conflictos entre señales y decide sobre el nivel de propiedad de cada objeto — reemplazando horas de triage manual por una decisión fundamentada y auditable, antes de que la alerta llegue al equipo.
Decisión fundamentada
El agente no etiqueta basándose en un solo modelo: integra la salida de todos los modelos, pondera evidencias y justifica la decisión de propiedad — cada inclusión en el inventario es trazable.
Resolución de conflictos
Cuando señales convergentes apuntan en una dirección y divergentes en otra, el agente reconcilia: descarta lo que es ruido, retiene lo que es información, registra la decisión.
Triage antes de entrega
La capa agéntica filtra el ruido antes de que la alerta llegue al equipo. El cliente recibe un inventario listo para uso — no trabajo de triage.
La consecuencia operativa es directa: los equipos operan sobre un inventario confiable desde la primera entrega, sin tratar hallazgos que no pertenecen a la organización. El tiempo hasta la primera acción relevante se mide en minutos.
CÓMO FUNCIONA
Del dominio raíz al inventario entregado
01
Machine Learning
A partir del dominio raíz, cada activo es evaluado por múltiples evidencias hasta una decisión de propiedad fundamentada y auditable.
02
Decisión agente
La capa agéntica decide sobre la propiedad de cada objeto observado, reconcilia señales contradictorias y justifica la inclusión en el inventario.
03
Revalidación continua
La superficie se reanaliza de manera continua. Nuevos activos y cambios relevantes entran en el inventario con alerta — sin ruido acumulado.
PREGUNTAS FRECUENTES
FAQ
¿Por qué múltiples modelos de Machine Learning, y no uno único?
Un solo modelo concentra decisiones heterogéneas — recolección, correlación, clasificación, enriquecimiento y validación — en una única función. Modelos especializados por tipo de decisión elevan la confiabilidad de cada inclusión y mantienen la decisión auditable en cada etapa.
¿Qué añade la capa agéntica a los modelos de ML?
Decisión. Los modelos producen señales clasificadas y enriquecidas; la capa agéntica las integra, resuelve conflictos entre evidencias convergentes y divergentes, decide sobre el nivel de propiedad y justifica la inclusión. En lugar de que el equipo humano realice este triage, se hace antes de la entrega — reemplazando horas de trabajo manual por una decisión fundamentada.
¿Es necesario instalar agentes o proporcionar listas de activos?
No. El descubrimiento es íntegramente externo y parte solo del dominio raíz de la organización. No hay agentes para instalar ni inventarios para proporcionar — la plataforma opera así de forma autónoma.
Integraciones opcionales con ambientes de nube, WAF, CIEM y otras fuentes pueden enriquecer el análisis — integraciones que amplían el contexto, pero no son necesarias para que el descubrimiento funcione.
¿Cómo evitan atribuir un activo incorrecto a mi organización?
Un activo solo entra en el inventario después de ser atribuido a la organización por correlación de múltiples señales independientes y validado por la capa agéntica. Señales convergentes y divergentes se concilian antes de la entrega — la decisión de propiedad llega al panel ya fundamentada.
¿Esta arquitectura reemplaza la Gestión de Superficie de Ataque?
No. Es una profundización del ASM: la capa de descubrimiento que hace que el inventario sea más completo y más confiable. Las dos capacidades operan juntas, sobre el mismo inventario vivo.
Ver los activos que estaban fuera del monitoreo.
Proporcione el dominio de su empresa y reciba un análisis preliminar de su exposición externa. Sin tarjeta, sin reunión.
Recibir análisis preliminar