Detección de minería de criptomonedas (cryptojacking) antes de que llegue la factura de 50.000€

El cryptojacking en cloud no suele empezar con una alerta “de seguridad” clara. Empieza con pequeñas anomalías operativas que, si no se correlacionan, acaban en una factura desproporcionada. El objetivo aquí no es esperar a que FinOps te avise por costes, sino detectar la minería cuando todavía es un incidente de horas, no de semanas.

En empresas con varios equipos desplegando recursos, el atacante (o el malware) se beneficia del ruido: nuevas instancias, cambios de red, rotación de credenciales, despliegues nocturnos. La detección efectiva consiste en identificar patrones de uso anómalos que, combinados, son difíciles de justificar por carga legítima.

Qué suele salir mal: señales que se ignoran hasta que el coste ya es daño real

La primera señal suele llegar por “operaciones”: alguien nota instancias nuevas en regiones que el negocio no usa, o un pico de interrupciones en Spot sin explicación. Cuando el aviso llega por coste, normalmente el atacante ya ha optimizado la rentabilidad: GPUs, pools estables, rotación de hosts y persistencia mediante autoescalado o imágenes comprometidas.

En la práctica, lo que falla no es la falta de herramientas, sino la falta de umbrales y contexto. Una empresa puede tener CloudTrail/Activity Logs, VPC Flow Logs/NSG Flow Logs y un SIEM, pero sin correlación los eventos parecen “cambios normales”. El cryptojacking se camufla bien en entornos donde se permite crear instancias bajo demanda y abrir egress sin control.

Un error típico en corporativo es confiar en una única fuente: “si el EDR no alerta, no pasa nada” o “si el coste no sube, estamos bien”. La minería puede repartirse entre múltiples cuentas/subscripciones o proyectos para no disparar alertas simples, y aún así consumir recursos suficientes para degradar servicios y generar deuda operativa.

IOCs operativos en cloud: patrones que delatan minería antes de que FinOps grite

Los indicadores útiles suelen ser de infraestructura y red, no de proceso. La minería necesita recursos sostenidos y conectividad específica; eso deja huellas repetibles. Un caso muy habitual: creación de instancias GPU en regiones “baratas” o poco usadas por la empresa, porque el atacante optimiza coste por hash. Si tu organización opera en Europa y aparecen GPUs en regiones que no están en el mapa de despliegue, no es una “prueba de carga”.

Otro patrón que aparece temprano son las instancias Spot/Preemptible abortadas en masa. La minería tolera interrupciones: el atacante lanza muchas Spot baratas, las pierde, vuelve a lanzar, y así. En operaciones esto se traduce en un ruido de eventos de interrupción/terminación que no encaja con workloads corporativos típicos (batch controlado, CI/CD, etc.).

  • GPUs fuera del patrón de negocio

Busca tipos de instancia GPU o familias equivalentes en tu cloud, especialmente si aparecen en cuentas “no productivas” o en regiones sin justificación. En empresas, el uso legítimo de GPU suele estar acotado (equipos concretos, proyectos concretos, ventanas concretas). Cuando aparece “de la nada”, la probabilidad de abuso es alta.

  • Security Groups/NSG abriendo egress o puertos hacia pools

La minería necesita hablar con pools (Stratum y variantes) o endpoints específicos. No es necesario “abrir inbound” para minar; muchas campañas viven con egress abierto. Aun así, es común ver reglas nuevas “temporales” que abren rangos amplios o puertos inusuales. Si además la regla la crea una identidad poco habitual (rol de CI, usuario humano fuera de horario), es una señal temprana.

  • Alta rotación de instancias y eventos Spot

Cuando ves cientos de lanzamientos/terminaciones en pocas horas, el coste puede estar todavía contenido, pero la intención ya está clara. En entornos corporativos, esa rotación suele romper inventarios, saturar logs, y generar falsos positivos operativos que “tapan” el incidente real.

Cómo hacerlo en la práctica: detección basada en eventos y correlación mínima viable

La detección efectiva empieza por aceptar que no necesitas “IA” para el 80% de casos. Necesitas eventos confiables, normalización y tres o cuatro correlaciones con umbrales defensivos. El enfoque que mejor funciona en empresa es event-driven: cada creación de instancia, cambio de red y asignación de IP pública dispara una evaluación rápida.

Configura la ingesta de auditoría (p. ej., CloudTrail / Azure Activity Log) y eventos de cómputo (p. ej., eventos de Auto Scaling/VM) hacia un bus (EventBridge/Event Grid) y registra también telemetría de red (VPC Flow Logs/NSG Flow Logs). No hace falta inspeccionar cada paquete: basta con detectar destinos/puertos sospechosos, egress inusual y persistencia.

  • Regla: creación de instancia GPU en región no aprobada

Implementa una lista de “regiones permitidas” por cuenta/proyecto y alerta/bloquea si aparece cómputo GPU fuera de ella. En una empresa real, esto se valida revisando el inventario histórico: si en los últimos 90 días no hubo GPU en esa región, el evento merece respuesta automática o al menos aprobación humana.

  • Regla: pico de interrupciones Spot + recreación automática

Correlaciona eventos de interrupción/terminación Spot con nuevos launches del mismo tipo en ventana corta (por ejemplo, 10–20 minutos). Un batch corporativo suele tener control de cola y backoff; la minería tiende a relanzar agresivamente para mantener hash rate.

  • Regla: cambio de Security Group/NSG que habilita salida a destinos/puertos atípicos

Define un baseline: qué puertos de salida son normales para tus workloads (443 casi siempre, 80 a veces, otros muy específicos). Cuando aparece un egress nuevo y además coincide con creación de instancias nuevas, el conjunto es más fuerte que cada señal por separado.

Un punto práctico que evita discusiones: integra etiquetas/tags de “owner”, “cost-center” y “purpose” como requisito. Cuando la instancia sospechosa no tiene etiquetas obligatorias o usa valores inconsistentes, trátalo como incidente operativo y de seguridad a la vez; en empresas, ese criterio es defendible y auditable.

Automatizar la contención: Lambda/Azure Function que mata instancias y aísla red sin romper producción

Automatizar no significa “apagar todo”. Significa aplicar una respuesta proporcional y reversible, con trazabilidad. En cryptojacking, el tiempo importa: parar una GPU a los 5 minutos vale más que analizarla 12 horas mientras sigue minando. La estrategia típica: detener/terminar la instancia sospechosa, cortar egress, y preservar evidencia mínima.

Un patrón que funciona bien es: evento de creación/cambio → función serverless → evaluación de reglas → acciones. La función debe ser conservadora para evitar apagar un entrenamiento legítimo, pero agresiva cuando el patrón es claro (GPU en región no aprobada + SG modificado + sin tags).

Ejemplo de IAM mínimo (AWS) para una Lambda de contención (ajusta recursos a tu cuenta):

  • ec2:DescribeInstances, ec2:DescribeSecurityGroups para obtener contexto antes de actuar.
  • ec2:StopInstances o ec2:TerminateInstances
  • ec2:ModifyInstanceAttribute para retirar perfil IAM/metadata options si tu runbook lo contempla.
  • ec2:RevokeSecurityGroupEgress o mover la instancia a un SG “quarantine” precreado.

La diferencia operativa real está en la cuarentena de red. En lugar de borrar reglas (arriesga drift y rotura), crea un Security Group/NSG de cuarentena con egress denegado (o estrictamente a endpoints de forénsica) y aplica ese SG a la instancia/s. Así reduces impacto colateral y simplificas auditoría.

Validación en AWS (pasos concretos): verifica en CloudTrail que la acción automática queda registrada con un principal claro (rol de la Lambda) y con request parameters consistentes; revisa en EC2 que la instancia quedó en stopped/terminated y con el SG de cuarentena; y confirma en VPC Flow Logs que desaparece el tráfico hacia el destino sospechoso. Si no ves ese corte en red, tu contención es “cosmética”.

En Azure, el patrón es equivalente: Event Grid/Activity Log → Azure Function → acciones sobre VM/Scale Set y NSG. La clave corporativa es la misma: cuarentena reversible, y un registro claro para SOC y auditoría interna.

Recomendaciones para entornos corporativos

La detección temprana de cryptojacking que evita la factura de 50.000€ no depende de una alerta de coste, sino de reconocer IOCs operativos: GPUs donde no toca, comportamiento Spot anómalo y cambios de red que facilitan salida a pools. Cuando esas señales se correlacionan, el caso deja de ser “ruido” y pasa a ser accionable.

La respuesta que mejor funciona en empresa combina rapidez y control: automatización serverless para detener consumo y aplicar cuarentena de red, y validación operativa mediante auditoría (CloudTrail/Activity Logs) y telemetría de red (Flow Logs). El objetivo es cortar el gasto sin romper producción y sin perder trazabilidad.

Si tienes que elegir dónde invertir primero, prioriza reglas sencillas pero difíciles de justificar en negocio (GPU fuera de regiones aprobadas, instancias sin tags obligatorias, egress atípico tras cambios de SG/NSG) y enlázalas a una contención reversible. Eso es lo que reduce de verdad el “tiempo hasta corte” antes de que el coste sea el síntoma final.

¿Te interesa la seguridad en Cloud?

Comparto análisis técnicos, laboratorios prácticos y experiencias reales sobre Cloud Security.

Análisis de ciberseguridad cloud, sin ruido

Casos reales de ataques, defensas y arquitectura cloud explicados sin relleno. Para arquitectos, DevOps y responsables de seguridad que no tienen tiempo que perder.

Política de privacidad

Francisco Sepúlveda

Francisco Sepúlveda

Instructor de Cloud Computing y Ciberseguridad, Diseñador de Experiencias Formativas

Instructor y consultor en Cloud Computing, Ciberseguridad e IA, con más de 25 años de experiencia en entornos empresariales reales. Diseño e imparto programas de formación técnica combinando experiencia profunda en la materia con diseño de experiencias formativas, para que los conceptos complejos de seguridad realmente se queden. Comparto análisis técnico aplicado en Cloud Security in Practice.

Conoce más →