Cómo MODO validó los resultados de Strike y empezó a avanzar hacia un modelo continuo

MODO puso a prueba la nueva plataforma de Continuous Hybrid Validation de Strike con una Threat Emulation real y comparó sus resultados con tres métodos adicionales: pruebas manuales, su propio proceso de IA y un servicio de AWS.

La comparación tenía una diferencia clave: algunos de estos métodos contaban con información adicional sobre el entorno y el repositorio. Aun así, Strike llegó a los mismos hallazgos partiendo de mucho menos contexto.

La experiencia llevó a MODO a evaluar un cambio de modelo: pasar de pruebas de seguridad principalmente on-demand hacia una estrategia de validación más continua.

‍

Acerca de MODO

MODO trabaja con procesos de seguridad que combinan distintas formas de validación, incluyendo pruebas manuales, IA y servicios de terceros.

En este contexto, la evolución de Strike hacia una plataforma de Continuous Hybrid Validation representó una oportunidad para probar una nueva forma de ejecutar y gestionar las evaluaciones de seguridad.

Industria

Servicios financieros

Producto

Billetera digital que conecta cuentas y tarjetas bancarias para pagar, transferir dinero y gestionar distintos medios de pago desde una misma aplicación.

‍

Contexto y desafíos

MODO trabajaba principalmente con un modelo on-demand, en el que las evaluaciones se activaban según las necesidades de determinadas features o aplicaciones. Al incorporar la nueva plataforma de Strike, el equipo quiso probar sus capacidades en un escenario real y contrastar los resultados con otros métodos que ya utilizaba internamente.

La comparación permitió evaluar no solo qué encontraba cada método, sino también qué tan lejos podía llegar cada uno con la información disponible.

‍

Trabajando con Strike

‍

[1] Una experiencia guiada desde el inicio

Strike dio un salto en su modelo: pasó de evaluaciones de seguridad organizadas por proyecto a una plataforma de Validación Híbrida Continua. En ella, agentes de IA y el equipo de hackers éticos certificados de Strike ponen a prueba cada activo de forma continua, y cada hallazgo crítico se valida antes de llegar al cliente.

La plataforma integra el mapeo de la superficie de ataque, la ejecución de Threat Emulation, es decir, ataques simulados que replican técnicas reales y la priorización y el seguimiento de la remediación.

Para los clientes que ya trabajaban con Strike, como MODO, ese cambio implicó migrar a la nueva plataforma.

MODO describió esta transición como un proceso simple y natural, mencionando además que el onboarding resultó sencillo para el equipo.

Por otra parte, destacaron que la nueva experiencia ofrece una configuración más guiada para las Threat Emulations, con menús, preguntas y un flujo paso a paso que facilita definir qué se quiere evaluar y cómo ejecutar el ejercicio.

"La carga, las preguntas, el step by step para setear las cosas, como que estuvo bastante copado y más guía que la anterior plataforma."
Cristian Barquet, Líder de seguridad ofensiva en MODO

Esta nueva experiencia también mantiene un aspecto importante para MODO: el control humano sobre el proceso, permitiendo decidir cuándo ejecutar una evaluación y qué se espera que haga la plataforma.

"El human in the loop, como le llamamos en Modo, al proceso de tomar la decisión de cuándo correr y qué es lo que quiere hacer la plataforma. Eso está bueno."
Cristian Barquet, Líder de seguridad ofensiva en MODO

‍

[2] Mismos resultados, con mucho menos contexto

Para poner a prueba los resultados de Strike, MODO comparó una Threat Emulation con tres métodos adicionales: pruebas manuales, su propio proceso de IA y un servicio de AWS.

La comparación no se realizó bajo las mismas condiciones. El proceso interno de IA de MODO contaba con información adicional del entorno: podía entender qué estaba en runtime y dónde estaba el repositorio. El propio equipo describió este proceso como más cercano a un enfoque white box, con mucha más información disponible.

"Nuestro proceso de IA tiene el contexto MODO que nosotros le llamamos, que entiende qué es lo que está en runtime, entiende dónde está el repositorio, es un poco más tramposo, le vamos a llamar, porque es más white box, tiene mucha más información."
Cristian Barquet, Líder de seguridad ofensiva en MODO

A pesar de esa diferencia, los cuatro métodos llegaron a los mismos hallazgos.

Para MODO, el resultado fue especialmente relevante porque Strike logró llegar a esos hallazgos sin contar con el mismo nivel de contexto sobre el entorno y el repositorio. La evaluación también permitió observar cómo el motor se comportaba frente a las defensas del entorno, identificando elementos como Cloudflare y WAF y adaptando su estrategia para evitar activar alertas innecesariamente.

El ejercicio comenzó sobre el entorno de desarrollo y luego permitió validar los resultados en producción. Finalmente, MODO utilizó el reporte de Strike para compartir los resultados con sus equipos, mientras que sus propios resultados quedaron como respaldo para control interno.

[3] De on-demand a una estrategia continua

La experiencia con Strike también abrió una conversación más amplia sobre cómo MODO gestiona sus evaluaciones de seguridad. Actualmente, el equipo trabaja principalmente de forma on-demand, en función de las necesidades que surgen alrededor de features y aplicaciones.

El objetivo es avanzar hacia un modelo más cíclico y continuo, en el que las evaluaciones formen parte de un proceso recurrente.

"La idea de MODO es eliminar el on-demand y llevar a ese estadio continuo."
Cristian Barquet, Líder de seguridad ofensiva en MODO

En esta evolución, la capacidad de Live Asset Radar para identificar y seguir activos también aparece como una pieza alineada con la estrategia que MODO busca construir.

Una experiencia que MODO ya recomienda

La experiencia con Strike no solo llevó a MODO a evaluar un nuevo modelo de trabajo. También generó una recomendación directa de la plataforma. El equipo ya había comenzado a compartir su experiencia con la nueva plataforma dentro de su sector. Para MODO, la experiencia combinó una configuración más guiada, autonomía para ejecutar las evaluaciones y la capacidad de obtener resultados relevantes incluso cuando otros métodos contaban con información adicional sobre el entorno.

‍