42 vulnerabilidades y la clave de AWS de un becario

  • 42 vulnerabilidades corregidas
  • Producción restaurada el mismo día
  • Controles de acceso rehechos
  • 42 Vulnerabilidades críticas remediadas
  • <2 h Tiempo desde la intervención de Pineido hasta la restauración de producción
  • 8 Credenciales obsoletas de antiguos empleados revocadas

Qué cambió

Vulnerabilidades críticas remediadas
42
Tiempo desde la intervención de Pineido hasta la restauración de producción
<2 h
Credenciales obsoletas de antiguos empleados revocadas
8
Buckets de S3 expuestos públicamente asegurados
6
Entornos de AWS separados creados
3
Incidentes de producción por problemas de acceso desde la remediación
0

En sus palabras

Menudo plato de espaguetis con salsa. No teníamos ni idea de lo expuestos que estábamos hasta que alguien nos mostró el panorama completo. Esa auditoría probablemente nos salvó de algo mucho peor que una caída de cinco horas.
TariqResponsable de Ingeniería, empresa tecnológica en crecimiento

La situación

Una empresa tecnológica en crecimiento con 60 empleados y un producto que daba servicio a miles de usuarios activos diarios sufrió una caída repentina de producción. La aplicación cayó en horario laboral, y el tráfico de cara al cliente empezó a devolver errores en cuestión de minutos. El equipo de ingeniería llevaba más de cuatro horas investigando sin resolver nada. Nadie estaba seguro de qué había cambiado, quién había tocado qué ni por dónde empezar a mirar. Reiniciaron servicios, revirtieron los dos últimos despliegues y peinaron los registros de la aplicación, pero el fallo no coincidía con ningún camino de código que nadie pudiera encontrar. El CEO llamó a Pineido tras la cuarta hora porque el equipo interno daba vueltas en círculos y el coste de cada hora adicional de caída no dejaba de subir. El problema de fondo, que la caída solo dejó al descubierto, era que la empresa no tenía forma de responder a la pregunta más básica de cualquier incidente: quién hizo qué, y cuándo. Sin esa respuesta, cuatro ingenieros pueden perseguir la capa equivocada durante horas.

Lo que realmente fallaba

El problema inmediato era la caída, pero el problema de fondo era mucho peor. La empresa había pasado de 8 ingenieros a 25 en dieciocho meses. Durante ese crecimiento, nadie había mantenido el sistema de control de acceso. Los roles de AWS IAM se habían creado de forma improvisada, normalmente copiando una política existente que ya funcionaba en lugar de acotar una nueva, así que los permisos solo se acumulaban y nunca se reducían. A los nuevos empleados se les daban permisos amplios porque era más rápido que acotarlos correctamente. No es un fallo inusual: en la práctica, la mayoría de los roles de IAM derivan hacia el exceso de privilegios porque nadie vuelve a podarlos, y a diferencia de un error de código, un permiso excesivo no produce ningún error visible que obligue a abordarlo. Contratistas que se habían marchado meses atrás aún tenían claves de acceso de larga duración activas, justo la clase de credencial permanente que AWS ahora recomienda eliminar en favor del acceso federado de corta duración. El becario que se incorporó dos semanas antes de la caída tenía el mismo nivel de acceso que el CTO, porque el script de incorporación no se había actualizado desde que la empresa tenía 8 personas.

La caída en sí fue causada por la eliminación accidental de una tabla de base de datos de producción. El becario había estado experimentando con un script de migración de datos en lo que creía que era un entorno de desarrollo. No lo era. La empresa no tenía aislamiento de entornos. Desarrollo, staging y producción compartían la misma cuenta de AWS con las mismas políticas de IAM, así que lo único que separaba un script de prueba de los datos reales de los clientes era una cadena de conexión. El script del becario se ejecutó contra la base de datos de producción porque esa cadena de conexión apuntaba a producción por defecto y nadie había documentado la diferencia. Nada en la configuración hacía que la acción peligrosa pareciera peligrosa, que es exactamente cómo una sola pulsación de tecla de la persona más nueva del equipo tumbó un producto que daba servicio a miles de usuarios.

Cuando el equipo de ingeniería empezó a investigar, no podía determinar la causa raíz porque no había registros de acceso configurados para la base de datos. CloudTrail estaba activado, como lo está por defecto, pero nadie lo había abierto nunca, así que el único registro que habría puesto fin a la investigación en minutos quedó intacto mientras cuatro ingenieros buscaban en todos los demás sitios. El equipo pasó cuatro horas revisando el código de la aplicación, reiniciando servicios y revisando registros de despliegue antes de que Pineido sugiriera comprobar la actividad de IAM. CloudTrail registra la identidad que realiza la llamada, la IP de origen y la marca de tiempo exacta de los eventos de gestión, como la eliminación de una tabla, que es precisamente de lo que depende un incidente como este. En 30 minutos de revisar CloudTrail identificamos la llamada de API exacta que había eliminado la tabla, confirmamos por la identidad que era accidental y no una intrusión, y la rastreamos hasta las credenciales del becario. La base de datos se restauró desde una copia de seguridad que, por suerte, solo tenía 90 minutos de antigüedad. El total de la caída fue de aproximadamente cinco horas, y el mayor contribuyente a esa cifra no fue la eliminación en sí, sino las horas pasadas buscando la respuesta en el lugar equivocado.

Paso a paso

Triaje del incidente e identificación de la causa raíz

Empezamos por los registros de CloudTrail y los informes de actividad de IAM en lugar del código de la aplicación, porque una caída repentina sin ningún cambio de código asociado es una cuestión de acceso e identidad, no un error de programación. En 30 minutos encontramos la llamada de API exacta que provocó la caída, leímos la identidad que la realizó en el propio evento para descartar una cuenta comprometida, y la rastreamos hasta las credenciales del becario. La base de datos de producción se restauró desde la copia de seguridad automática más reciente, de solo 90 minutos de antigüedad, así que la pérdida de datos fue insignificante. Tiempo total desde nuestra intervención hasta la restauración de producción: menos de dos horas, frente a las cuatro que el equipo interno ya había pasado buscando en la capa equivocada.

Auditoría completa de IAM e infraestructura

Durante los cinco días siguientes auditamos cada rol, política y credencial de IAM en la cuenta de AWS, usando los datos de último acceso y el historial de CloudTrail para ver qué permisos se utilizaban realmente y no solo cuáles se habían concedido. Encontramos 42 vulnerabilidades críticas: 11 roles con privilegios excesivos y acceso de nivel administrador que deberían haber sido de solo lectura, 8 conjuntos de credenciales pertenecientes a antiguos empleados y contratistas que seguían activas, 6 buckets de S3 con acceso de lectura público que contenían datos de clientes, 9 grupos de seguridad con reglas de entrada sin restricciones, 5 funciones Lambda con claves de API codificadas en variables de entorno, y 3 instancias de base de datos sin cifrar. La mayoría de estas no eran nuevas. Eran el residuo silencioso de dieciocho meses de crecimiento, cada una defendible de forma individual en el momento en que se creó y, en conjunto, un mapa de todas las formas en que la empresa podría haber sido vulnerada sin que una caída obligara nunca a plantearse la cuestión.

Aislamiento de entornos

Creamos cuentas de AWS separadas para desarrollo, staging y producción mediante AWS Organizations, de modo que la frontera entre un script de prueba y los datos reales de los clientes pasó a ser una frontera de cuenta en lugar de una cadena en un archivo de configuración. Cada entorno recibió sus propias políticas de IAM, configuración de red e instancias de base de datos. Las cadenas de conexión se trasladaron a AWS Secrets Manager con controles de acceso específicos por entorno, y a un rol de desarrollo no se le dio ninguna vía para alcanzar un secreto de producción. El escenario que causó la caída se volvió estructuralmente imposible: un script ejecutado desde un contexto de desarrollo ya no puede ver, y mucho menos eliminar, una tabla de producción, independientemente de quién lo ejecute o de lo que diga la cadena de conexión.

Implementación de la política de acceso

Construimos una matriz de control de acceso basado en roles que asignaba cada función de trabajo a sus permisos mínimos necesarios, de modo que el acceso siempre pudiera rastrearse hasta una razón de negocio documentada y no hasta cualquier política que alguien hubiera copiado. Cada empleado fue reaprovisionado desde cero contra esa matriz con credenciales acotadas, por defecto de solo lectura y escalando únicamente donde el rol realmente lo requería. Se introdujo un proceso formal de solicitud de acceso: cualquier cambio de permisos requería la aprobación del responsable y quedaba registrado en un registro central, dando una traza de auditoría limpia de quién aprobó qué y por qué. El acceso a producción requería aprobación de dos personas, una separación de funciones deliberada para que ninguna persona, junior o sénior, pudiera realizar un cambio irreversible por su cuenta. Al becario se le dio un rol exclusivo de desarrollo sin visibilidad sobre producción.

Monitorización y alertas

Configuramos el análisis de registros de CloudTrail con alertas automáticas para llamadas de API de alto riesgo (eliminaciones de tablas, cambios de políticas de IAM, modificaciones de grupos de seguridad y cualquier intento de detener o eliminar el propio registro, ya que manipular la traza de auditoría es la señal más clara de que un incidente es malicioso y no accidental). Se estableció un escaneo automático semanal para detectar nuevos roles con privilegios excesivos o recursos expuestos públicamente antes de que pudieran derivar de nuevo hacia el mismo patrón de acumulación que produjo los 42 hallazgos originales. El equipo de ingeniería recibió un manual de respuesta a incidentes que empieza donde debería haber empezado este: extraer primero la identidad y la marca de tiempo de CloudTrail, para que la próxima caída, si ocurre, siga un camino de investigación estructurado en lugar de cuatro horas de conjeturas.

42 Vulnerabilidades críticas remediadas

Contáctanos

Cuéntanos qué quieres construir. Te decimos por dónde empezar y qué hace falta.

Las preguntas que deciden si somos los indicados

¿Cuánto tarda una auditoría de seguridad completa?

La auditoría inicial tomó cinco días laborables, cubriendo cada rol, política, credencial de IAM, bucket de S3, grupo de seguridad e instancia de base de datos de la cuenta. La remediación de las 42 vulnerabilidades tomó dos semanas adicionales, secuenciada de modo que las exposiciones de mayor impacto (los buckets de datos de clientes legibles públicamente y las credenciales aún activas de antiguos empleados) se cerraran en los primeros días, no en los últimos. El encargo total fue de tres semanas, desde el incidente hasta una infraestructura totalmente reforzada. El alcance escala según cuánta dispersión se haya acumulado, pero para una empresa de este tamaño e historial de crecimiento, tres semanas es lo habitual.

¿Deberíamos hacer una auditoría de seguridad si no hemos tenido un incidente?

Sí. La mayoría de las vulnerabilidades que encontramos existían desde hacía más de un año. La caída fue el detonante, pero la exposición la precedía con mucho: los buckets de S3 públicos y las credenciales activas de personas que ya habían dejado la empresa esperaban en silencio a cualquiera que se molestara en mirar. Esa es la naturaleza del riesgo de control de acceso. No produce ningún mensaje de error ni ningún despliegue fallido, así que nada lo saca a la superficie hasta que algo va mal. Una auditoría proactiva es mucho más barata que una motivada por un incidente, tanto en dinero como en la confianza de los clientes que costaría una brecha real. El momento adecuado para hacerla es antes de tener un motivo.

¿Qué pasa con requisitos de cumplimiento como SOC 2?

El trabajo de remediación que hicimos cubrió aproximadamente el 70% de los controles técnicos requeridos para SOC 2 Type II. La matriz de acceso basado en roles, el proceso documentado de aprobación y registro, las aprobaciones de producción de dos personas, el aislamiento de entornos y la monitorización de CloudTrail encajan directamente con los criterios de control de acceso y gestión de cambios que los auditores examinan con más detenimiento (CC6 y CC8). Lo que queda es sobre todo la evidencia de eficacia operativa que Type II exige a lo largo del tiempo: las revisiones de acceso recurrentes, las recertificaciones y los registros de aprobación que deben acumularse a lo largo de la ventana de auditoría. Si la empresa busca la certificación, el trabajo de infraestructura más difícil ya está hecho, y el resto es ejecutar el proceso que dejamos atrás durante el tiempo suficiente para demostrar que funciona.

¿Cómo gestionáis la auditoría sin interrumpir al equipo?

La auditoría se ejecuta en paralelo con el desarrollo normal. Necesitamos acceso de solo lectura a AWS y unos 30 minutos con dos ingenieros sénior para entender cómo está montado el entorno. A partir de ahí, el trabajo es en gran medida un análisis pasivo de registros, políticas y configuración, nada de lo cual interrumpe un despliegue. El equipo no deja de entregar mientras la auditoría está en curso. Los pasos de remediación que sí requieren cambios, como separar entornos o reaprovisionar credenciales, se programan con el equipo y se despliegan en ventanas de bajo riesgo para que producción se mantenga estable en todo momento.

PorFundador e Imaginator

Publicado