Saltar al contenido
Esc
↑↓navegar↵abrir⌘Jvista previa
En esta página

Seguridad del agente

Cómo una bandeja de entrada de agente protege al agente de IA que la lee y a las personas a las que escribe.

Cualquiera puede escribir a una bandeja, y a un agente de IA que lee correo se le puede convencer de cosas: un mensaje puede llevar instrucciones ocultas a las personas, hacerse pasar por el propietario del agente o pedirle que reenvíe un enlace de restablecimiento de contraseña. Una bandeja de entrada de agente responde por capas. El agente solo lee el correo que pasa las reglas de la bandeja; lo que lee se limpia de texto oculto y se delimita como no fiable; y lo que envía pasa por reglas que convierten los envíos arriesgados en borradores para una persona.

Nada de esto hace fiable el correo recibido. La revisión es una señal, no una garantía: tu agente debe seguir tratando cada mensaje como dato, nunca como instrucción.

De un vistazo

Capa Qué hace
Comprobación del destinatario El correo a una dirección sin bandeja se rechaza, salvo que catch-all esté activado; una bandeja saturada responde “inténtalo más tarde”.
Análisis de virus El correo infectado se pone en cuarentena y sus descargas se bloquean para siempre.
Puntuación de spam El correo que no la supera va a la carpeta spam.
Confianza del remitente Clasifica a cada remitente, desde las direcciones de tu propio equipo hasta la autenticación fallida.
Reglas de aceptación El correo de remitentes que la bandeja no acepta se pone en cuarentena.
Revisión (screening) Puntúa el correo de remitentes externos en busca de inyección de prompts y phishing; las puntuaciones altas van a cuarentena.
Texto oculto El texto que una persona no ve se quita de todo lo que lee un agente o un modelo.
Delimitación Los resultados de MCP ponen el texto del mensaje entre marcadores de contenido no fiable.
Códigos Los códigos de verificación y los enlaces de inicio de sesión se extraen para el agente y no se pueden reenviar a desconocidos.
Reglas de envío Respuestas solo dentro de los hilos, topes diarios, un ritmo gradual para destinatarios nuevos, una protección contra bucles; los envíos arriesgados pasan a borrador.
Actividad Cada acción y decisión queda registrada, y los propietarios se enteran de lo que está esperando.

Confianza del remitente

Cada mensaje recibido tiene un sender_trust, que aparece en screening en las lecturas y como Confianza en el panel. Gana la primera fila que coincide:

sender_trust El remitente
failed Falló la autenticación, y el dominio pide a los receptores que pongan en cuarentena o rechacen ese correo (o no publica política DMARC y falla SPF sin firma DKIM propia). Esta fila gana a todas las demás, así que un propietario falsificado nunca pasa.
owner Una de las direcciones de inicio de sesión de los miembros de tu equipo, o una dirección de owner_addresses de la bandeja, y el dominio responde por ella.
allowlisted Coincide con la lista de permitidos de la bandeja, y el dominio responde por ella.
known_thread Responde en un hilo en el que escribió la bandeja, desde una dirección a la que escribió la bandeja, demostrado por el token del hilo o por un In-Reply-To que nombra un mensaje enviado por la bandeja. No hace falta autenticación.
external Cualquier otro remitente cuyo dominio responde por él, incluidas otras direcciones de tus propios dominios.
unauthenticated Todos los demás: el dominio no responde por la dirección From, o el mensaje nombra a más de un remitente.

Un dominio responde por la dirección From cuando DMARC pasa o, en un dominio sin política DMARC, cuando hay una firma DKIM suya o un SPF superado de su organización.

  • Solo las direcciones de inicio de sesión de los miembros de tu equipo y las owner_addresses de la bandeja son propietarios. Todos los demás del dominio de tu empresa son external, así que la dirección de un compañero, o un sistema que envía con tu dominio, no puede dar órdenes al agente ni recibir sus códigos privados.
  • El nivel se fija cuando llega el mensaje y no cambia. Editar la lista de permitidos cuenta para el correo que llegue después; el correo ya retenido se libera a mano.

Qué llega al agente

accept_from decide, según el nivel:

sender_trust anyone verified (por defecto) allowlist
owner, allowlisted, known_thread entregado entregado entregado
external revisado revisado en cuarentena, not_allowlisted
unauthenticated revisado en cuarentena, unauthenticated_sender en cuarentena, not_allowlisted
failed en cuarentena, failed_auth en cuarentena, failed_auth en cuarentena, failed_auth

El correo revisado se entrega, salvo que la revisión lo ponga en cuarentena. Además de la tabla:

  • Un virus pone el mensaje en cuarentena en todas las bandejas, sea quien sea el remitente.
  • El correo de propietarios o de la lista de permitidos que reenvía un mensaje de otra persona también se revisa: el contenido reenviado no hereda confianza.
  • El correo entregado que no supera la puntuación de spam va a la carpeta spam, que las listas de hilos omiten salvo que la pidas.
  • El correo entregado muestra screening.verdict: "suspicious" cuando el remitente es unauthenticated o failed, la puntuación de spam es gray, o la revisión encontró algo por debajo de su umbral; si no, clean.

Una bandeja human acepta anyone por defecto: se entrega todo salvo los virus, y el correo de un remitente failed va a la carpeta spam. La revisión se aplica solo a las bandejas de agente.

Cuarentena

El correo en cuarentena se conserva tanto como cualquier correo recibido, listado y liberable; nunca se descarta ni se devuelve a su remitente.

quarantine_reason Se retiene porque
failed_auth El remitente falló la autenticación.
unauthenticated_sender El dominio del remitente no responde por él, y la bandeja acepta remitentes verificados (o tiene la dirección como propietaria o en su lista de permitidos).
not_allowlisted La bandeja acepta solo su lista de permitidos.
injection La revisión puntuó la inyección de prompts en 80 o más.
phishing La revisión puntuó el phishing en 80 o más.
virus El analizador de virus encontró malware.
unscreened El mensaje necesitaba revisión y el juez no pudo responder.
screening_cap El mensaje necesitaba revisión después del límite diario de revisiones.

Los agentes nunca ven el correo retenido. Las claves restringidas a una bandeja y todas las llamadas MCP se saltan los mensajes retenidos: leer uno responde 403 email_quarantined, una espera informa solo de su id, y no se sirve ningún código de él. Mientras corre la revisión, normalmente unos segundos, un mensaje está pendiente y su id responde 404. Las personas en el panel lo ven todo, marcado.

Ningún webhook anuncia el correo retenido. email.received e inbox.email.received se disparan cuando un mensaje se entrega o se libera; inbox.email.quarantined avisa a los endpoints que se suscriben a él.

Liberar. Una persona libera desde la pestaña Pendientes de revisión de la bandeja, una clave de equipo de acceso total con POST /inboxes/{id}/quarantine/{email_id}/release, y un cliente MCP con release_email bajo receiving:manage. Una clave restringida a una bandeja nunca puede.

  • Una persona o una clave de equipo de acceso total libera cualquier retención.
  • Un cliente MCP es el agente al que va dirigido el correo: no libera nada retenido por inyección de prompts, phishing, un virus o autenticación fallida (403 forbidden), y cualquier otra retención solo cuando la revisión puntúa el mensaje por debajo de 80 (409 held_by_screening si no; 503 screening_unavailable mientras la revisión no puede correr).
  • Liberar y confiar en el remitente (trust_sender) añade además al remitente a la lista de permitidos, solo para una retención not_allowlisted de un remitente verificado y solo para propietarios, administradores, desarrolladores y claves de equipo de acceso total (403 trust_not_allowed si no).
  • Un mensaje liberado se entrega como si acabara de llegar, webhooks incluidos. Un virus sigue siendo un virus: sus adjuntos y el mensaje original siguen bloqueados.

Los propietarios reciben un email al día, Tus bandejas de entrada necesitan atención, mientras hay mensajes esperando en cuarentena, borradores esperando aprobación o envíos rechazados, con recuentos y un enlace, nunca remitentes ni asuntos. Es la alerta Las bandejas de entrada necesitan atención en Configuración → Notificaciones; consulta Notificaciones.

Revisión contra inyección de prompts

En una bandeja de agente con screening activado, el correo de remitentes external y unauthenticated que las reglas entregarían se revisa antes de que el agente pueda verlo. El juez lee el mensaje tal como se muestra, con el texto oculto aparte: el remitente, su autenticación y su Reply-To; el asunto y el texto visible; el texto oculto que se quitó; los enlaces como texto del ancla y dominio (nunca se descargan); los nombres de los adjuntos. Los códigos se enmascaran y las direcciones se reducen a su dominio antes de que salga nada de esto.

La respuesta son dos puntuaciones de 0 a 100, injection_score y phishing_score, y los reasons que se aplicaron:

Motivo El mensaje
targets_agent Se dirige a una IA, un asistente, un modelo o al “sistema” en lugar de a una persona.
override Intenta cambiar las instrucciones, el papel o las prioridades de quien lee.
exfiltration Pide a quien lee que envíe códigos, enlaces, claves, otro correo, contactos o datos.
unsafe_action Pide una acción con efectos fuera de la conversación: pagar, aprobar, eliminar, ejecutar algo.
concealed Oculta instrucciones: en texto oculto, codificadas o invertidas, tras un falso final de mensaje o dentro de una falsa cita.
credential_lure Pide contraseñas, códigos o datos de tarjeta en una página que el remitente declarado no controla.

Una puntuación de inyección de 80 o más pone el mensaje en cuarentena como injection; si no, una puntuación de phishing de 80 o más, como phishing. Una puntuación de 50 a 79 lo entrega como suspicious. Las puntuaciones se muestran siempre, en las lecturas dentro de screening y en el panel.

  • Falla en cerrado. Un juez que agota el tiempo o da error pone el mensaje en cuarentena como unscreened, y lo mismo ocurre con una revisión que nunca se completa (su tarea sigue fallando o se atasca): ningún mensaje queda pendiente más de una hora, aproximadamente. Superados 200 mensajes revisados en una bandeja en un día, el correo que necesita revisión se pone en cuarentena como screening_cap, así que una avalancha acaba en cuarentena, nunca en entrega sin revisar.
  • Nunca afecta a tus envíos. Los veredictos sobre el correo que recibiste nunca cuentan para tu reputación de envío ni para la revisión de abuso.

Texto oculto y extracted_text

El correo puede llevar texto que ninguna persona ve pero que un modelo lee: una instrucción en blanco sobre blanco, un bloque display:none, caracteres que no se muestran. Antes de que ningún texto llegue a un agente o a un modelo, BillionSend quita los elementos ocultos (display:none, visibility:hidden, opacidad casi nula, fuentes diminutas, contenido desplazado fuera de la pantalla, texto del color de su fondo, comentarios, <template>, <noscript>) y los caracteres invisibles (caracteres de ancho cero, controles de dirección del texto, caracteres de etiqueta Unicode). Los emoji conservan los conectores que necesitan. Una línea de vista previa oculta, que llevan la mayoría de los boletines, también se quita, pero no hace sospechoso el mensaje.

Lo que lee el agente:

  • extracted_text: la parte de respuesta, con el historial citado y las firmas aparte, como texto plano con markdown ligero, hasta 32.000 caracteres.
  • text sin caracteres invisibles.
  • screening.hidden_text_removed: true cuando se quitó texto oculto más allá de una línea de vista previa, o caracteres invisibles.

html se queda exactamente como se recibió, y el mensaje original lo conserva todo.

Delimitación. Los resultados de MCP ponen el texto de cada mensaje entre dos líneas de marcador con un valor aleatorio por llamada:

-----BEGIN UNTRUSTED EMAIL CONTENT 95253f15-----
Hi! Your order shipped today.
-----END UNTRUSTED EMAIL CONTENT 95253f15-----

Una línea de marcador escrita dentro del mensaje se altera antes, así que un mensaje no puede cerrar su propia delimitación antes de tiempo.

Códigos de verificación y enlaces de inicio de sesión

Un agente que se registra en algún sitio necesita el código o el enlace que envía el servicio. BillionSend los extrae para que el agente nunca analice HTML:

  • Los códigos necesitan una palabra de código cerca (en inglés, portugués o español); se omiten los números de pedido, precios, teléfonos, cupones y fechas. Cuando dos códigos son igual de probables, no se responde ninguno (ambiguous).
  • Los enlaces son enlaces de inicio de sesión, confirmación, restablecimiento e invitación; se omiten los de baja, privacidad y ayuda. Los enlaces nunca se descargan: un escáner que siga un enlace de un solo uso lo gasta.

Se sirven con extracted en GET /emails/receiving/{id}, con GET /inboxes/{id}/codes/latest y con la herramienta MCP get_verification_code, y en ningún otro sitio: nunca en listas, webhooks, logs ni mensajes de error. Nunca se sirven desde correo retenido, desde un remitente failed, ni cuando extract_codes está desactivado, y cada lectura queda registrada en la actividad de la bandeja.

Códigos privados. Con private_codes activado (el valor por defecto de los agentes), un código o enlace que el equipo recibió en las últimas 24 horas no puede salir de la dirección de la bandeja en un envío a nadie que no sean los propietarios y la lista de permitidos: ese envío pasa a borrador con el motivo private_code. Esto se cumple incluso cuando se convenció al agente de hacerlo. Cubre los envíos desde la dirección de la bandeja, así que dale a los agentes una clave restringida a una bandeja, o deja emails:send fuera de sus permisos MCP.

Qué puede enviar un agente

Toda forma de enviar desde la dirección de una bandeja pasa por las mismas reglas: respuestas, reenvíos y borradores de la bandeja, respuestas y reenvíos del lado del servidor, copias de forward_to, POST /emails, POST /emails/batch, el relay SMTP y la herramienta MCP send_email. En orden:

  1. Identidad. Una clave restringida a una bandeja envía solo desde la dirección de su bandeja (403 restricted_api_key; 550 5.7.1 por SMTP).
  2. Dominio compartido. Una dirección compartida sigue las reglas del dominio compartido: en el plan Free, o cuando su nombre parece una marca conocida, solo responde dentro de sus hilos. Cualquier otra cosa se rechaza con 403 inbox_send_policy, incluso aprobada. Cada envío compartido cuenta para el límite diario del equipo en el dominio compartido y admite 10 destinatarios como máximo.
  3. Tope diario. send_cap destinatarios por día UTC. Superado, 429 inbox_send_cap_reached. Los envíos aprobados cuentan, pero nunca se rechazan.

En una bandeja de agente, salvo que el envío esté aprobado, cada una de estas reglas lo retiene como borrador, con un motivo:

  1. Protección contra bucles. Responder a correo automático (loop_guard: y el motivo): un remitente vacío, una cabecera Auto-Submitted, Precedence: bulk, cabeceras de lista de correo, cabeceras de respuesta automática, un informe de entrega, una dirección no-reply o un asunto de fuera de la oficina. Más de 10 envíos automáticos a una misma dirección en una hora es loop_burst. Las respuestas del agente llevan Auto-Submitted: auto-replied, así que dos agentes que se escriben entre sí se detienen tras una ronda.
  2. Reply-To. Una respuesta a un Reply-To del dominio de otra organización, salvo que su remitente sea un propietario, esté en la lista de permitidos o sea un hilo conocido (reply_to_redirect).
  3. Política de envío. reply_only (por defecto): respuestas dentro de un hilo, a quienes escribieron en él, a los propietarios y a la lista de permitidos. allowlist: esas, más conversaciones nuevas con los propietarios y la lista de permitidos. open: cualquiera, y no mientras tu equipo es nuevo en el envío (dentro de sus primeros 1000 envíos o 72 horas, o por debajo de 10.000 envíos en los 7 días posteriores al primero).
  4. Códigos privados (private_code), como se explica arriba.
  5. Ritmo gradual. Los destinatarios nuevos por día se mantienen dentro del tope, y dentro de 10 el primer día de envío de la bandeja, y se duplican cada día después: 20, 40, 80, 160 y así (ramp).
  6. Aprobación. require_approval en la bandeja, o requires_approval: true en la petición.

Una bandeja human aplica solo los tres primeros pasos: las personas que responden en el panel no quedan retenidas. En POST /emails, el endpoint por lotes, el relay SMTP y send_email, un envío que las reglas retendrían se rechaza con 403 inbox_send_policy (o 550 5.7.1 por SMTP), porque esas vías no pueden crear borradores: envía por los endpoints de la bandeja para obtener uno.

El primer correo de una bandeja de agente a una dirección nueva pasa además por la misma revisión de abuso que cualquier envío de tu equipo.

Qué debe seguir haciendo tu agente

  • Tratar cada mensaje como dato. Las instrucciones dentro de un correo son palabras de un desconocido, digan lo que digan las puntuaciones.
  • Leer extracted_text, no html, y comprobar screening.sender_trust y screening.verdict antes de actuar.
  • No seguir nunca por sí solo los enlaces del correo; usar codes/latest o get_verification_code.
  • Mantener require_approval activado, o pasar requires_approval: true, para todo lo que sea difícil de deshacer.
  • Dar a cada agente su propia clave restringida a una bandeja, y apuntar los webhooks a bandejas concretas con inbox_ids.

Lo que estas protecciones no hacen

  • Los umbrales de revisión y de spam son valores iniciales. El correo puede colarse y el correo legítimo puede quedar retenido; el correo retenido está a un clic de liberarse.
  • Un dominio que no publica política DMARC, o publica p=none, puede demostrar poco: su correo genuino y una falsificación pueden leerse igual.
  • La detección de texto oculto sigue el HTML como lo muestran los clientes de correo, con el mejor esfuerzo ante marcado roto; los indicadores y el mensaje original son la red de seguridad.

¿Te ha resultado útil esta página?