El código que genera la IA funciona, pero ¿es seguro?

Hace poco un cliente me pidió que revisara la seguridad de su VPS. Tenía varios servicios corriendo con Docker y Traefik como reverse proxy. Todo funcionaba bien, llevaba meses así, sin problemas aparentes.

Lo que encontré me hizo replantearme cómo usamos los LLMs para generar configuraciones.

El hallazgo que nos quitó el sueño

Entre los servicios desplegados había una aplicación de facturación. La había montado con ayuda de Claude, funcionaba perfectamente, tenía autenticación básica configurada en Traefik… todo correcto, ¿no?

No.

El docker-compose tenía esto:

services:
  facturas:
    image: app-facturas
    ports:
      - "8000:8000"
    # ... resto de config

¿Ves el problema? Ese ports: "8000:8000" expone el contenedor directamente al mundo, sin pasar por Traefik. El auth_basic que tan cuidadosamente había configurado solo protegía las peticiones que llegaban por el dominio a través del proxy.

Pero cualquiera podía hacer:

curl http://su-ip:8000/api/invoices

Y obtener un JSON con todas las facturas. Clientes, importes, fechas, todo. Sin contraseña, sin SSL, sin nada.

Por qué los LLMs generan código inseguro por defecto

Cuando le pides a Claude, GPT o cualquier LLM que te genere un docker-compose, su objetivo es darte algo que funcione. Y la forma más directa de que funcione es exponer el puerto:

# Lo que genera la IA
ports:
  - "8000:8000"

Funciona. Arrancas el contenedor, abres el navegador, ves tu app. Éxito.

Pero “funciona” no significa “está listo para producción”. El LLM no sabe (ni pregunta) si:

• Vas a poner esto detrás de un reverse proxy
• Necesitas que sea accesible solo localmente
• Tienes un firewall configurado
• Es un entorno de desarrollo o producción

La IA optimiza para el camino más corto hacia un resultado visible, no para seguridad. Y esto no es un bug, es una limitación inherente del contexto en el que operan estos modelos.

Si te interesa el tema de seguridad e IA, también escribí sobre cómo la IA se ha convertido en un nuevo vector de fuga de datos.

La solución: tres niveles de exposición

Dependiendo de tu caso, hay tres formas de manejar los puertos en Docker:

Nivel 1: Expuesto al mundo (casi nunca lo quieres)

ports:
  - "8000:8000"  # Equivale a 0.0.0.0:8000:8000

Úsalo solo si realmente necesitas acceso externo directo Y tienes otras capas de seguridad (firewall, autenticación en la app, etc.).

Nivel 2: Solo localhost

ports:
  - "127.0.0.1:8000:8000"

El servicio solo es accesible desde la propia máquina. Útil si tu reverse proxy corre en el host (no en Docker) o para herramientas de administración.

Nivel 3: Solo red interna de Docker (lo recomendado con Traefik)

expose:
  - "8000"
# Sin "ports", el contenedor solo es accesible
# desde otros contenedores en la misma red

Si usas Traefik u otro proxy dentro de Docker, esto es lo más seguro. El tráfico externo pasa obligatoriamente por el proxy, donde tienes tu SSL, auth, rate limiting, etc.

Checklist de seguridad post-IA para docker-compose

Cada vez que un LLM te genere un docker-compose, revisa esto antes de desplegarlo:

1. ¿Tiene ports definidos? → Pregúntate si realmente los necesitas
2. ¿El puerto está bindeado a 0.0.0.0? → Cámbialo a 127.0.0.1 o usa expose
3. ¿Usas reverse proxy? → Los servicios deberían usar expose, no ports
4. ¿Hay variables de entorno con secretos? → Muévelas a un .env o Docker secrets
5. ¿El contenedor corre como root? → Añade user: "1000:1000" si es posible
6. ¿Tiene acceso a Docker socket? → Solo si es estrictamente necesario

Cómo pedir configuraciones más seguras desde el principio

En lugar de pedir:

“Genera un docker-compose para una app Node en el puerto 8000”

Prueba con:

“Genera un docker-compose para una app Node que irá detrás de Traefik. No debe exponer puertos directamente, solo a través de la red interna de Docker. Incluye labels de Traefik para el routing.”

Dar contexto sobre tu infraestructura ayuda al LLM a generar algo más adecuado. No es infalible, pero reduce las probabilidades de meter la pata.

Conclusión

Los LLMs son herramientas increíbles para acelerar el desarrollo, pero no sustituyen el conocimiento de seguridad. Cada línea de código generada por IA debería pasar por el mismo escrutinio que el código de un junior: funciona, pero ¿es correcto?

La app de mi cliente llevaba meses expuesta. Funcionaba perfectamente. Pero “funciona” y “está bien” no son lo mismo.

Haz la auditoría. Revisa tus docker-compose. Tu yo del futuro te lo agradecerá.