Phantom squatting: cuando los estafadores secuestran los LLM

Pídele a un asistente de IA el portal de acceso de tu banco, la página de reclamaciones de tu aseguradora o la política de devoluciones de un comercio, y es posible que te devuelva, con total seguridad, un dominio que suena exactamente correcto. El problema es que ese dominio a menudo no existe. Los grandes modelos de lenguaje inventan con frecuencia direcciones web plausibles para marcas reales, rellenando huecos en sus datos de entrenamiento con nombres que resultan estructuralmente coherentes, aunque nadie los haya registrado nunca. Los investigadores de seguridad ya denominan este fenómeno phantom squatting, y representa uno de los riesgos de cadena de suministro más inquietantes surgidos de la adopción empresarial de la IA.

Este artículo desgrana cómo funciona el phantom squatting, por qué golpea con especial dureza a las marcas del sector bancario y minorista, y qué hace el equipo de inteligencia de amenazas cibernéticas de EBRAND para detectar estos dominios fantasma antes de que los delincuentes los conviertan en arma. También veremos cómo el phantom llm cybersquatting encaja en el patrón más amplio de los ciberataques impulsados por IA que están redefiniendo el riesgo empresarial. Si tu marca depende de la visibilidad en IA (y hoy en día casi todas dependen de ella), entender esta amenaza resulta esencial. Empieza con un informe gratuito de inteligencia de amenazas para ver qué dominios fantasma ya amenazan a tu organización.

Qué significa realmente el phantom squatting

El phantom squatting describe la práctica de los ciberdelincuentes de registrar los dominios inexistentes que los modelos de IA alucinan para marcas legítimas, para después cargar esos dominios con kits de phishing, malware o formularios de captura de credenciales. El mecanismo difiere de forma significativa del típico typosquatting. El typosquatting explota el error humano: alguien teclea mal una URL y aterriza en una página que imita a otra. El phantom squatting, en cambio, explota el error de la máquina. El asistente de IA inventa un dominio que nunca existió, lo presenta como un hecho, y una persona (o, cada vez más, un agente autónomo) sigue esa recomendación directamente hasta un territorio controlado por el atacante.

Lo que hace que los ataques de phantom IA resulten tan peligrosos es su repetibilidad. Los investigadores han descubierto que los LLM no generan ruido aleatorio cuando alucinan un dominio. Producen la misma dirección ficticia una y otra vez a lo largo de distintas consultas, porque el modelo se apoya en patrones coherentes de nomenclatura de marca, convenciones del sector y extensiones regionales. Esa previsibilidad tiene dos caras. Ofrece a los atacantes una hoja de ruta sobre qué dominios fantasma registrar primero, pero también les da a los defensores exactamente esa misma hoja de ruta, como veremos más adelante.

El phantom squatting en la práctica

Veamos un ejemplo de cómo podría ser hoy en día una amenaza real de phantom squatting si eres una entidad bancaria con presencia online activa. Imagina, por ejemplo, que eres un banco regional llamado Local Bank Group, con una página de soporte real en localbankgroup.com/support. Un cliente que tiene problemas para restablecer su contraseña de banca online abre ChatGPT y pide un enlace a la página de atención al cliente de Local Bank Group. El modelo, basándose en los patrones habituales de nomenclatura que ha visto en cientos de entidades financieras, devuelve con total seguridad algo como localbankgrouponline.com o support.localbankgroup-online.com. Ninguno de los dos dominios pertenece al banco. Nunca le pertenecieron. La IA simplemente generó la dirección que le pareció estadísticamente correcta, dado cómo suelen estructurar sus portales de soporte marcas similares, y entregó ese enlace inventado con el mismo tono de seguridad que usaría para un hecho verificado.

Este escenario es precisamente donde el phantom squatting se vuelve peligroso. Un ciberdelincuente que ya ha sondeado los modelos de IA con el nombre de Local Bank Group detecta que ese mismo dominio alucinado aparece una y otra vez en las consultas. Lo registra, monta una página que imita la pantalla de acceso real del banco hasta en el logotipo y la combinación de colores, y espera. El siguiente cliente que recibe ese mismo enlace generado por la IA aterriza en una falsificación convincente, introduce su nombre de usuario y contraseña, y entrega sus credenciales bancarias directamente a un atacante que nunca ha tenido que enviar un solo correo de phishing. El asistente de IA ha hecho el trabajo de captación gratis. Esta dinámica explica por qué las marcas de banca y comercio minorista, donde los clientes preguntan constantemente a herramientas de IA por páginas de acceso y soporte de cuenta, se enfrentan a la vertiente más aguda de esta amenaza.

Por qué la banca y el comercio minorista son los principales objetivos

El phantom typosquatting no reparte el riesgo de forma equitativa entre sectores. La banca y los servicios financieros se enfrentan a una exposición desproporcionada, porque los clientes preguntan habitualmente a herramientas de IA por portales de acceso, localizadores de oficinas y páginas de soporte de cuenta: todos ellos escenarios en los que un dominio alucinado puede capturar credenciales reales. Las marcas de comercio minorista y ecommerce se enfrentan a un riesgo paralelo, ya que los compradores preguntan cada vez más a los asistentes de IA por tiendas online, páginas de seguimiento de pedidos y enlaces de atención al cliente, cada uno de ellos un posible dominio fantasma a la espera de ser ocupado.

Los reguladores del sector financiero ya se han dado cuenta. El Banco Central Europeo pidió recientemente a las entidades bancarias significativas que presentaran un plan de acción formal para hacer frente a los ciberataques impulsados por IA, con un plazo límite de presentación fijado en el 31 de octubre de 2026, según un análisis de KPMG sobre la directiva del BCE. La carta señala seis áreas prioritarias, entre ellas la gestión acelerada de vulnerabilidades, la detección impulsada por IA y la gobernanza de riesgos de terceros, tratando amenazas habilitadas por IA como el phantom squatting como un asunto de cumplimiento a nivel de consejo de administración, y no solo como una cuestión puramente técnica.

Esa presión regulatoria encaja con un cambio más amplio en la forma en que los responsables de seguridad piensan sobre el riesgo de la IA. Por ejemplo, un reciente análisis del Forbes Technology Council sostiene que el verdadero peligro de los ciberataques impulsados por IA reside menos en que las máquinas superen en astucia a los defensores humanos, y más en que la IA elimina las limitaciones tradicionales de tiempo, personal y esfuerzo que antes frenaban a los atacantes. El phantom squatting encaja perfectamente en este patrón: un atacante ya no necesita adivinar qué dominio falso podría funcionar. El modelo de IA ya lo ha probado repetidamente y le ha entregado un objetivo validado.

Cómo se desarrolla una cadena de ataque de phantom squatting

Una campaña de phantom squatting suele seguir una secuencia sencilla. Un atacante sondea varios modelos de IA con consultas relacionadas con la marca, siguiendo qué dominios alucinados reaparecen de forma constante. Una vez que surge un patrón, el atacante registra los dominios fantasma de mayor valor y construye detrás de ellos infraestructura de phishing, en ocasiones utilizando un asistente de IA para programación con el fin de acelerar esa construcción. El dominio permanece entonces inactivo hasta que un asistente de IA lo recomienda a un cliente desprevenido o, cada vez más, a un agente autónomo que actúa en nombre de una persona.

Este último punto merece atención. A medida que los agentes de IA asumen más tareas sin revisión humana directa, un dominio fantasma incrustado en la recomendación de un agente ya no necesita un clic humano para causar daño. Un agente que consulta un endpoint de API alucinado, o que envía datos a un portal inventado, puede completar por sí solo todo un compromiso de la cadena de suministro, lo que eleva el riesgo para cualquier organización que haya integrado herramientas de IA en sus flujos de trabajo de cara al cliente o internos.

Convertir la previsibilidad en defensa

Esa misma repetibilidad que hace que el phantom squatting sea explotable también lo hace defendible. Dado que los LLM tienden a alucinar los mismos dominios para una marca determinada en consultas repetidas, una organización puede lanzar sus propias consultas sistemáticas contra los principales modelos de IA, enumerar qué dominios ficticios siguen apareciendo, y registrar o vigilar esos dominios antes de que un atacante se adelante. Esto da la vuelta a la vulnerabilidad: en lugar de esperar a un informe de phishing, los defensores mapean de forma proactiva los dominios fantasma exactos que también encontraría un delincuente, y cierran la oportunidad de antemano.

Los analistas de inteligencia de amenazas cibernéticas de EBRAND ejecutan este proceso de descubrimiento sobre los nombres de tu marca, en los modelos de IA que realmente utilizan tus clientes y potenciales clientes. Combinado con nuestra plataforma de Protección de Riesgos Digitales, identificamos los dominios fantasma con más probabilidades de atraer a ciberdelincuentes, detectamos actividad temprana de registro y respaldamos las acciones de retirada antes de que un kit de phishing llegue a estar activo. Para la banca, el comercio minorista y cualquier marca cuyos clientes recurran a asistentes de IA para navegar de forma básica, esta vigilancia proactiva cierra una brecha que la protección tradicional de dominios nunca estuvo diseñada para cubrir.

Adelántate a los dominios de phantom squatting

El phantom squatting no hará más que volverse más común a medida que los asistentes de IA se conviertan en la forma predeterminada de buscar marcas en internet. Esperar a una queja de un cliente o a un informe de fraude significa reaccionar cuando el daño ya ha empezado. Para tomar el control de estas amenazas crecientes, puedes conseguir un informe gratuito de inteligencia de amenazas de EBRAND. Juntos, detectaremos cualquier dominio fantasma que los ciberdelincuentes puedan usar para secuestrar a los visitantes de tu web, y nos adelantaremos a los dominios fantasma y a los espectros digitales. Protejamos la huella de tu marca en la IA antes de que otro se te adelante.