Ir al contenido
Qué ocurrió realmente: cronología, cifras y la pieza que falló (Firebase)
Si buscamos un resumen claro: la app Chat & Ask AI expuso ~300 millones de mensajes de más de 25 millones de usuarios por una mala configuración de Firebase. El caso lo destapó un investigador independiente.
"El investigador logró acceder a 300 millones de mensajes de más de 25 millones de usuarios […] por una mala configuración en Google Firebase." — Q2B Studio
Fuente: Q2B Studio
"Tuvo acceso a 300 million messages de more than 25 million users […] el problema fue una misconfiguration de Google Firebase." — 404 Media
Fuente: 404 Media
"La vulnerabilidad detrás de esta brecha es una misconfiguración de Firebase […] uno de los errores más comunes es dejar las Security Rules en público." — Malwarebytes
Fuente: Malwarebytes
Además, la cobertura técnica en español detalla que el backend permitía que cualquiera se “autenticara” y leyera el almacenamiento:
"Los ajustes se dejaron en un estado […] que permitía a cualquiera designarse como usuario ‘autenticado’ y acceder al almacenamiento backend." — elhacker.NET
Fuente: elhacker.NET
¿Por qué una app “wrapper” puede ser el eslabón más débil?
Chat & Ask AI no es un modelo propio; encapsula (“wrapper”) a modelos como ChatGPT, Claude y Gemini. Cuando una app wrapper almacena las conversaciones de forma insegura, abre una superficie de riesgo adicional.
"Chat & Ask AI es un ‘wrapper’ que se conecta a LLMs de OpenAI, Anthropic y Google; los usuarios eligen el modelo." — 404 Media / Malwarebytes
Fuente: 404 Media / Malwarebytes
En nuestro entorno cercano conocemos personas que usan este tipo de apps. Por eso insistimos: si el wrapper guarda demasiado y con reglas laxas, el problema no es el modelo de IA, sino cómo la app maneja los datos.
Qué datos quedaron expuestos y por qué eso dispara el phishing dirigido
Los reportes coinciden en el tipo de información expuesta:
"Archivos con el historial completo de chats, marcas de tiempo, el nombre del bot, cómo se configuró el modelo y qué modelo se usó." — 404 Media
Fuente: 404 Media
"Los mensajes incluían solicitudes sobre actividades ilegales y peticiones de ayuda para suicidio." — Malwarebytes
Fuente: Malwarebytes
"La magnitud es enorme: ~300 millones de mensajes, >25 millones de usuarios; el investigador analizó una muestra de 60.000 usuarios/1 millón de mensajes." — elhacker.NET
Fuente: elhacker.NET
Desde nuestra experiencia, si en esos chats se compartieron nombres, documentos fiscales, números de cuenta, teléfonos, correos, etc., el riesgo inmediato es un phishing ultra realista. ¿Por qué? Porque los atacantes pueden citar detalles exactos de nuestras conversaciones para ganar credibilidad (fechas, temas íntimos, el nombre que dimos al bot…).
Señales de que podríamos estar afectados (y cómo comprobarlo)
- Recibimos correos o SMS que mencionan temas que solo tratamos en Chat & Ask AI.
- Llamadas o mensajes con datos personales muy específicos (ej. “el 12/09 preguntaste por…”).
- Avisos de intentos de acceso a cuentas, o cambios de contraseña que no solicitamos.
"La base expuesta contenía registros completos de actividad." — elhacker.NET
Fuente: elhacker.NET
Cómo comprobarlo: si el investigador publicó una lista temporal de apps afectadas (registro Firehound), podemos verificar allí o en cobertura secundaria.
"Para visibilizar el problema, el investigador creó Firehound, un sitio que lista apps afectadas; Codeway reporta haber corregido el problema horas después de la divulgación responsable." — Malwarebytes
Fuente: Malwarebytes
Guía inmediata de contención: 12 acciones en 24 horas
- Cambiar contraseñas de cuentas mencionadas en los chats.
- Activar 2FA (aplicador TOTP; evitar SMS si sospechamos SIM-swap).
- Rotar contraseñas de email principal y de recuperación.
- Revisar reglas de reenvío del correo (filtraciones silenciosas).
- Bloquear SIM o activar PIN de SIM si hubo exposición de teléfono.
- Avisar a nuestro banco y activar alertas de transacciones.
- Revocar tokens o claves API compartidas en chats.
- Cerrar sesión en la app y solicitar borrado de datos al proveedor.
- Revisar dispositivos: sesiones abiertas, aplicaciones desconocidas.
- Listas de recuperación: actualizar números alternativos y correos.
- Montar filtros anti-phishing en correo; marcar y reportar intentos.
- Documentar evidencias (capturas, headers, tiempos) por si requerimos denuncia.
"Uno de los errores más comunes de Firebase es dejar las Security Rules en público, permitiendo leer/modificar datos sin autenticación." — Malwarebytes
Fuente: Malwarebytes
Endurecer nuestra seguridad: contraseñas, 2FA, SIM-swap y banca online
- Gestor de contraseñas y políticas de passphrases únicas.
- 2FA por app (Authy/Authenticator) y códigos de respaldo impresos.
- Bloqueo de SIM y port-out PIN para evitar SIM-swap.
- Alertas bancarias en tiempo real y límites de operación.
- Safe-listing de dispositivos: revisión mensual de sesiones y claves.
Reducir nuestra huella en apps de IA: permisos, borrado y retención
- Preferimos wrappers que no almacenen conversaciones o permitan borrado automático.
- Antes de usar, leemos política de retención y si cifran en reposo.
- Deshabilitamos permisos innecesarios (contactos, ubicación).
- Evitamos pegar datos sensibles en prompts (IDs fiscales, IBAN, tokens).
- Mantenemos un inventario de dónde usamos IA y con qué datos.
Lecciones para empresas y devs: reglas de Firebase que no debemos romper
- Security Rules: deny by default, lectura/escritura restringida por UID/claims.
- Entornos (dev/stage/prod) con proyectos separados y secretos rotados.
- CI/CD con pruebas de reglas (simuladores de Firebase) y lint de permisos.
- DLP: detección de PII y políticas de minimización de datos.
- Registro de incidentes y divulgación responsable con ventanas SLA claras.
"La app actuó como eslabón débil al almacenar conversaciones de manera insegura; los LLM subyacentes no fueron comprometidos." — elhacker.NET
Fuente: elhacker.NET
Preguntas frecuentes (FAQs)
¿Fue un hackeo o un error de configuración?
Un error de configuración de Firebase que dejó acceso indebido a datos almacenados.
¿Los modelos (ChatGPT, Claude, Gemini) fueron vulnerados?
No. La app wrapper fue el eslabón débil, no los modelos.
¿Qué volumen se expuso?
Aproximadamente 300 millones de mensajes de más de 25 millones de usuarios.
¿Qué tipo de información había?
Historiales completos, timestamps, configuración del modelo y modelo usado; en algunos casos, mensajes muy sensibles.
¿Qué podemos hacer si creemos estar afectados?
Seguir la guía de contención 24h (arriba), activar 2FA, rotar contraseñas y solicitar borrado de datos a la app.
¿Dónde podemos comprobar apps afectadas?
El investigador publicó el registro Firehound con apps analizadas; en el caso de Codeway, se informa que corrigieron horas después de la divulgación responsable.
Conclusión
La filtración de Chat & Ask AI nos recuerda que la seguridad de una solución de IA también depende de su envoltura. Cuando una app almacena historiales completos y configura mal su backend, el resultado es una mina de oro para el phishing dirigido. Como usuarios y como empresas, debemos minimizar lo que entregamos a estos servicios, exigir reglas estrictas en Firebase y contar con procedimientos de respuesta.
Hosting seguro para tu proyecto
En Bitralix protegemos la confidencialidad y disponibilidad de tus datos. Migramos y alojamos tu infraestructura con backups verificados, monitorización 24/7 y políticas de seguridad alineadas con buenas prácticas.
