PAU MUÑOZ · BSIDES LISBON 2026Un mapa de lo que se mide.
Ocho referencias primarias que ayudan a situar esta charla. Seleccionadas por su relación con conocimiento, ejecución, contexto operativo, políticas y hábitos del agente. Sus porcentajes no se combinan: tienen tareas, ayudas y criterios de éxito distintos.
2024 / Preguntas de conocimientoConjuntos de opción múltiple de hasta 10.000 preguntas de ciberseguridad.
Sitúa nuestra capa Q&A: saber explicar es una capacidad que medimos antes de dar herramientas.
Nuestra Q&A usa respuestas abiertas y rúbricas propias. Una nota de conocimiento no demuestra ejecución.
2024 / ICLR 2025 / Retos CTF profesionales40 tareas con archivos iniciales, ejecución de comandos y evaluación con o sin subtareas orientativas.
Sitúa Docker CTF: tareas acotadas, herramientas y un objetivo comprobable.
Usamos nuestros propios retos. Las pistas, el entorno y el controlador cambian el trabajo exigido.
2025 / Aplicaciones web vulnerablesEvalúa explotación de vulnerabilidades reales de aplicaciones web en entornos aislados.
Da contexto al paso de problemas acotados a servicios con una superficie real de aplicación.
Una aplicación vulnerable no equivale a toda una operación corporativa con identidades y varios hosts.
ICLR 2026 / Reproducción de vulnerabilidades1.507 vulnerabilidades históricas en 188 proyectos; el nivel principal entrega descripción y código sin parchear para construir un PoC.
Explica por qué la información inicial y el criterio externo de éxito importan.
Reproducir un bug conocido es un contrato distinto de reconocer una red sin información o completar un pentest.
USENIX Security 2024 / Operación sobre objetivos de pentestEstudia tareas de pentest y una arquitectura modular orientada a conservar el contexto durante la operación.
Antecedente directo para hablar de harness, estado y continuidad entre acciones.
Es un sistema y una evaluación con sus propios objetivos; su resultado no se atribuye solamente al modelo.
2024 / Capacidad y riesgo en varios escenariosIncluye operaciones ofensivas autónomas y asistidas dentro de una batería más amplia de riesgos y capacidades.
Sitúa la distinción entre voluntad de responder, capacidad y funcionamiento del sistema.
Las negativas, la seguridad y el éxito ofensivo son resultados diferentes; no reducimos todo a una sola cifra.
Preprint 2026 / Patrones de selección de ataquesCompara la distribución de familias de ataque en 630 sesiones de cinco agentes y distintas instrucciones.
Motiva mirar las trayectorias: qué prueba el agente, qué repite y cómo responde a una redirección.
Sus patrones no convierten nuestras trazas aisladas en personalidades universales de un modelo.
2025 / Análisis defensivoEvalúa análisis de malware y razonamiento sobre inteligencia de amenazas; forma parte de CyberSecEval 4.
Complementa el contexto de preguntas y análisis de seguridad, más allá de producir exploits.
No lo mezclamos con una tasa de CTF ni afirmamos haber reproducido sus tareas.