{"id":155939,"date":"2026-05-28T13:49:25","date_gmt":"2026-05-28T10:49:25","guid":{"rendered":"https:\/\/www.catonetworks.com\/glossary\/que-es-ai-security\/"},"modified":"2026-05-28T13:49:26","modified_gmt":"2026-05-28T10:49:26","slug":"what-is-ai-security","status":"publish","type":"glossary","link":"https:\/\/www.catonetworks.com\/es\/glossary\/what-is-ai-security\/","title":{"rendered":"\u00bfQu\u00e9 es AI Security?"},"content":{"rendered":"\n

AI Security incluye controles de seguridad dise\u00f1ados para proteger los sistemas de IA frente a ataques habituales. Entre ellos se incluyen la manipulaci\u00f3n o eliminaci\u00f3n de datos de entrenamiento y el uso de indicaciones maliciosas dise\u00f1adas para acceder a datos confidenciales o provocar un comportamiento an\u00f3malo en un sistema de inteligencia artificial.<\/p>\n\n\n\n

A medida que las empresas adoptan y conf\u00edan cada vez m\u00e1s en los sistemas de IA en procesos comerciales importantes, la seguridad de la IA se vuelve extremadamente importante. Los ataques que tengan \u00e9xito podr\u00edan provocar fugas de datos confidenciales, sesgos en los modelos de inteligencia artificial, ataques de denegaci\u00f3n de servicio (DoS) o incidentes similares.<\/p>\n\n\n\n

Los sistemas de inteligencia artificial se enfrentan a muchas de las mismas amenazas que los sistemas inform\u00e1ticos tradicionales, pero tambi\u00e9n se enfrentan a riesgos que les son propios. Para implementar la seguridad de la IA es necesario comprender los riesgos habituales que amenazan la integridad de los modelos de IA y la privacidad de los datos, as\u00ed como la mejor manera de abordarlos.<\/p>\n\n\n\n

El significado de AI Security<\/h2>\n\n\n\n

AI Security se centra en proteger los sistemas, los modelos y los datos de IA frente a diversas amenazas. Dado que a estos sistemas se les permite cada vez m\u00e1s el acceso a datos y flujos de trabajo de gran valor en sectores como la sanidad y las finanzas, una IA insegura podr\u00eda dar lugar a filtraciones de datos, modelos sesgados o accesos no autorizados a los sistemas corporativos.<\/p>\n\n\n\n

AI Security es un campo complejo y multidisciplinar que requiere conocimientos especializados en aprendizaje autom\u00e1tico (ML), ciberseguridad y \u00e9tica. Garantizar la seguridad de los sistemas de inteligencia artificial requiere soluciones de seguridad a medida, como la gesti\u00f3n del estado de seguridad de la IA (AI-SPM).<\/p>\n\n\n\n

Componentes clave de AI Security<\/h2>\n\n\n\n

Los sistemas de inteligencia artificial son complejos y multidisciplinares, lo que los expone a una amplia gama de posibles amenazas. En consecuencia, IA Security abarca una amplia gama de pr\u00e1cticas recomendadas destinadas a mitigar los riesgos relacionados con los datos, los modelos, el acceso y las operaciones. Aunque muchos de los componentes clave de AI Security son similares a los de la ciberseguridad tradicional, la naturaleza de la IA y sus casos de uso plantean nuevos retos.<\/p>\n\n\n\n

Componentes de AI Security<\/strong><\/p>\n\n\n

\n\t
\n \n \n
\n\t\t
\n\t\t\t
\n\t\t\t\t\t\t\t\t
\n\t\t\n\n\n\n\n\n\n\n
Componente<\/b><\/td>\nDescripci\u00f3n<\/b><\/td>\nEjemplos de herramientas\/pr\u00e1cticas<\/b><\/td>\n<\/tr>\n
Protecci\u00f3n de datos<\/td>\nGarantizar la seguridad de los datos de entrenamiento, validaci\u00f3n e inferencia utilizados en los sistemas de inteligencia artificial<\/td>\nCifrado (AES-256), anonimizaci\u00f3n de datos, registros de acceso<\/td>\n<\/tr>\n
Integridad del modelo<\/td>\nGarantizar que los modelos de IA funcionen seg\u00fan lo previsto y no sean alterados ni atacados<\/td>\nPruebas adversarias, privacidad diferencial, entrenamiento robusto<\/td>\n<\/tr>\n
Gesti\u00f3n del acceso<\/td>\nControlar qui\u00e9n puede acceder a los sistemas de IA y a los datos o flujos de datos relacionados<\/td>\nRBAC, MFA, seguridad de la pasarela de la API<\/td>\n<\/tr>\n
Seguridad durante todo el ciclo de vida<\/td>\nGarantizar la seguridad de los sistemas de IA a lo largo de todo el ciclo de vida del desarrollo y la implementaci\u00f3n<\/td>\nFlujos de trabajo de DevSecOps, refuerzo de la integraci\u00f3n continua y la entrega continua (CI\/CD), control de versiones de modelos<\/td>\n<\/tr>\n
Seguridad de las API y los puntos de conexi\u00f3n<\/td>\nProteger el acceso a los modelos de IA (por ejemplo, a trav\u00e9s de API) frente a posibles abusos o fugas de informaci\u00f3n<\/td>\nLimitaci\u00f3n de velocidad de la API, OAuth 2.0, pol\u00edticas de confianza cero<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n\n\t<\/div>\n\n\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t<\/div>\n<\/div>\n<\/section>\n\n\n\n

Protecci\u00f3n de datos<\/h3>\n\n\n\n

Los datos son fundamentales para los sistemas de inteligencia artificial, ya que estos entrenan sus modelos y realizan inferencias para llevar a cabo diversas tareas. Por consiguiente, los datos de entrenamiento y los par\u00e1metros internos de los sistemas de inteligencia artificial deben protegerse contra cualquier modificaci\u00f3n o eliminaci\u00f3n no autorizada.<\/p>\n\n\n\n

Un atacante que tuviera acceso a esta informaci\u00f3n podr\u00eda modificarla para alterar el funcionamiento de un modelo de IA y las decisiones que toma. Por ejemplo, podr\u00edan introducir datos de entrenamiento mal etiquetados, dise\u00f1ados para que un sistema de inteligencia artificial clasifique las actividades maliciosas como benignas y las ignore. Las organizaciones pueden gestionar estos riesgos implementando mejores pr\u00e1cticas de seguridad de datos, como controles de acceso, cifrado, prevenci\u00f3n de p\u00e9rdida de datos (DLP)<\/a> y anonimizaci\u00f3n de datos.<\/p>\n\n\n\n

Integridad del modelo<\/h3>\n\n\n\n

Los modelos de IA aprenden de sus datos de entrenamiento, comprimiendo la informaci\u00f3n que contienen en un conjunto de pesos del modelo. Los atacantes que puedan modificar los datos de entrenamiento o los pesos del modelo pueden alterar su funcionamiento. Por otra parte, un atacante que analice los resultados del modelo podr\u00eda llegar a extraer datos de entrenamiento confidenciales codificados en ellos.<\/p>\n\n\n\n

Las organizaciones deben llevar a cabo un seguimiento y una validaci\u00f3n continuos de los modelos de inteligencia artificial para detectar cualquier cambio potencial en su comportamiento que pueda indicar un ataque u otro problema. Durante el proceso de entrenamiento, la empresa tambi\u00e9n deber\u00eda realizar pruebas adversarias para garantizar la seguridad del modelo y adoptar las mejores pr\u00e1cticas en materia de privacidad de datos, como la privacidad diferencial.<\/p>\n\n\n\n

Gesti\u00f3n del acceso<\/h3>\n\n\n\n

Los modelos de IA son sistemas potentes que tienen acceso a datos altamente sensibles, sobre todo ahora que las empresas est\u00e1n adoptando la IA aut\u00f3noma. Un atacante que tenga acceso a estos sistemas podr\u00eda utilizarlos para llevar a cabo nuevos ataques. Por ejemplo, un atacante podr\u00eda consultar un sistema de inteligencia artificial para recabar informaci\u00f3n confidencial u ordenarle que lleve a cabo acciones maliciosas en otro sistema.<\/p>\n\n\n\n

Para gestionar estos riesgos es necesario controlar estrictamente el acceso a los sistemas de inteligencia artificial y a los datos. Las organizaciones deben aplicar controles de acceso basados en el principio del privilegio m\u00ednimo tanto para los usuarios como para los sistemas de inteligencia artificial, como para la segmentaci\u00f3n de la red<\/a>, reduciendo al m\u00ednimo el acceso no autorizado a los datos y los sistemas. Adem\u00e1s, se debe implementar autenticaci\u00f3n multifactor (MFA) para todas las cuentas para reducir el riesgo de ataques de toma de control de cuentas.<\/p>\n\n\n\n

Seguridad durante todo el ciclo de vida<\/h3>\n\n\n\n

Los sistemas de inteligencia artificial pueden ser objeto de ciberataques en cualquier fase de su ciclo de vida, desde el entrenamiento inicial hasta el final de su vida \u00fatil. Durante el entrenamiento, un atacante podr\u00eda introducir datos maliciosos en el corpus de entrenamiento, lo que provocar\u00eda sesgos en el modelo de IA resultante. Un sistema de IA implementado puede ser objeto de ataques de inyecci\u00f3n de entradas, inversi\u00f3n de modelos o ataques similares.<\/p>\n\n\n\n

Las organizaciones deben implementar controles de seguridad en todas las fases del ciclo de vida de la IA, lo que incluye flujos de trabajo seguros de CI\/CD, control de versiones y auditor\u00edas y registros peri\u00f3dicos. La pr\u00e1ctica de DevSecOps tambi\u00e9n puede extenderse a los sistemas de inteligencia artificial, garantizando que los controles de acceso, la seguridad de los datos y otras buenas pr\u00e1cticas se integren en el sistema desde el principio. De lo contrario, las organizaciones corren el riesgo de deriva del modelo, implementaciones en la sombra no monitoreadas o filtraciones de datos durante el desarrollo.<\/p>\n\n\n\n

Seguridad de las API y los puntos de conexi\u00f3n<\/h3>\n\n\n\n

Los sistemas de IA suelen estar disponibles a trav\u00e9s de API para permitir su integraci\u00f3n en flujos de trabajo automatizados. Sin embargo, estas interfaces tambi\u00e9n pueden exponer a dichos sistemas a accesos no autorizados y a posibles abusos si no se han establecido controles de seguridad.<\/p>\n\n\n\n

Los dispositivos finales expuestos y sin proteger pueden dar lugar a inyecciones inmediatas, al uso indebido del sistema o a solicitudes de inferencia no autorizadas. Las organizaciones deben implementar un modelo de seguridad de confianza cero<\/a> y las mejores pr\u00e1cticas de seguridad de API, como autenticaci\u00f3n a trav\u00e9s de OAuth2.0, limitaci\u00f3n de tasa, lista blanca de IP y cifrado de solicitudes y datos en tr\u00e1nsito.<\/p>\n\n\n\n

Asegurando modelos de IA generativa<\/h3>\n\n\n\n

La IA generativa (GenAI) es un tipo concreto de sistema de IA que incluye herramientas como ChatGPT, Claude y otras. Estos sistemas plantean riesgos potenciales adicionales, como los ataques de inyecci\u00f3n r\u00e1pida de comandos, las alucinaciones de los modelos y la filtraci\u00f3n de datos. Las organizaciones deben aplicar medidas de saneamiento de entradas, controles de acceso y verificaci\u00f3n de salidas para gestionar estos riesgos para la empresa.<\/p>\n\n\n\n

Desaf\u00edos de AI Security<\/h2>\n\n\n\n

AI Security puede resultar complicada por varias razones, tales como:<\/p>\n\n\n\n

    \n
  • Falta de transparencia:<\/strong> La mayor\u00eda de las principales herramientas de IA generativa son inexplicables, lo que significa que resulta imposible determinar c\u00f3mo y por qu\u00e9 una herramienta ha tomado una decisi\u00f3n concreta. Esto dificulta la identificaci\u00f3n de sesgos y otros errores potenciales en la salida del sistema.<\/li>\n\n\n\n
  • Riesgos relacionados con terceros:<\/strong> Los sistemas de IA y los flujos de trabajo suelen incluir datos, modelos, integraciones y otros elementos de terceros. Los errores o las vulnerabilidades de seguridad en estos componentes de terceros pueden suponer riesgos para la cadena de suministro de la empresa.<\/li>\n\n\n\n
  • Riesgos en evoluci\u00f3n:<\/strong> Los sistemas de inteligencia artificial est\u00e1n evolucionando r\u00e1pidamente y se encuentran a\u00fan en una fase relativamente incipiente, lo que significa que a\u00fan no se conocen del todo las amenazas y los posibles ataques. En consecuencia, es posible que una organizaci\u00f3n no sea consciente de los diversos riesgos asociados a sus sistemas de inteligencia artificial ni de cu\u00e1l es la mejor manera de abordarlos.<\/li>\n\n\n\n
  • Cumplimiento regulatorio:<\/strong> Los datos de entrenamiento de los modelos de IA suelen contener informaci\u00f3n confidencial, que puede quedar expuesta a trav\u00e9s de filtraciones de datos o de la inversi\u00f3n de modelos. Estos riesgos, as\u00ed como los requisitos relativos al consentimiento para el tratamiento de datos, pueden complicar el cumplimiento del RGPD, la CCPA y otras leyes similares. Las organizaciones tambi\u00e9n deben mantenerse al d\u00eda de los avances tecnol\u00f3gicos y de los requisitos normativos.\u00a0<\/li>\n<\/ul>\n\n\n\n

    AI Security en la pr\u00e1ctica<\/h2>\n\n\n\n

    Las organizaciones de diversos sectores aplican las mejores pr\u00e1cticas de seguridad en materia de inteligencia artificial para gestionar los posibles riesgos que afectan a los datos confidenciales y a los flujos de trabajo cr\u00edticos. Entre ellas se incluyen abordar de forma expl\u00edcita los riesgos de seguridad relacionados con la inteligencia artificial y utilizar herramientas y tecnolog\u00edas para prevenir y detectar posibles ataques.<\/p>\n\n\n\n

    Ejemplos<\/h3>\n\n\n\n

    Muchos sectores, como el financiero y el sanitario, est\u00e1n aplicando sistemas de inteligencia artificial a datos altamente sensibles que est\u00e1n protegidos por diversas normativas. Entre las formas en que gestionan el riesgo se incluyen:<\/p>\n\n\n\n

      \n
    • Clasificaci\u00f3n de los datos:<\/strong> Las herramientas de clasificaci\u00f3n de datos identifican los datos sensibles y protegidos incluidos en los conjuntos de datos de entrenamiento de la IA. Esto permite a las organizaciones codificar, enmascarar o anonimizar de cualquier otra forma los datos antes de introducirlos en un modelo de inteligencia artificial.<\/li>\n\n\n\n
    • Detecci\u00f3n de entradas adversas:<\/strong> Los datos de entrada de los sistemas de inteligencia artificial pueden analizarse antes de realizar la inferencia. Estos sistemas de supervisi\u00f3n pueden detectar entradas maliciosas dise\u00f1adas para provocar una respuesta concreta.<\/li>\n\n\n\n
    • Supervisi\u00f3n de salidas:<\/strong> Las organizaciones tambi\u00e9n pueden implementar un seguimiento automatizado de las salidas de los sistemas de inteligencia artificial para detectar posibles anomal\u00edas. Por ejemplo, una salida que se desv\u00ede significativamente de la norma podr\u00eda activar una alerta que requiera revisi\u00f3n y aprobaci\u00f3n por parte de una persona. Las empresas tambi\u00e9n pueden realizar revisiones automatizadas de pol\u00edticas de las respuestas para protegerse contra el acceso no autorizado a datos sensibles y riesgos similares.<\/li>\n<\/ul>\n\n\n\n

      Herramientas y tecnolog\u00edas<\/h3>\n\n\n\n

      La seguridad basada en la inteligencia artificial utiliza muchas de las mismas herramientas y tecnolog\u00edas de seguridad que la ciberseguridad tradicional. Por ejemplo, una organizaci\u00f3n puede utilizar un sistema de detecci\u00f3n de intrusiones (IDS) para identificar diversos ataques y un sistema de gesti\u00f3n de informaci\u00f3n y eventos de seguridad (SIEM) para la correlaci\u00f3n y el an\u00e1lisis de eventos.<\/p>\n\n\n\n

      Sin embargo, AI Security tambi\u00e9n cuenta con sus propias herramientas y t\u00e9cnicas. Una organizaci\u00f3n puede emplear AI-SPM para gestionar la configuraci\u00f3n de sus sistemas de IA o utilizar sistemas de detecci\u00f3n y prevenci\u00f3n de amenazas basados en IA para bloquear los ataques dirigidos contra sus sistemas de IA.<\/p>\n\n\n\n

      Preguntas frecuentes sobre AI Security<\/h2>\n\n\n\n

      \u00bfPor qu\u00e9 es importante AI Security?<\/h3>\n\n\n\n

      Las organizaciones est\u00e1n permitiendo cada vez m\u00e1s que los sistemas de IA accedan a datos sensibles y realicen flujos de trabajo cr\u00edticos. Garantizar la seguridad de estos sistemas es fundamental para evitar fugas de datos, interrupciones operativas y otras posibles amenazas para la empresa.<\/p>\n\n\n\n

      \u00bfCu\u00e1les son algunos de los retos m\u00e1s comunes en materia de AI Security?<\/h3>\n\n\n\n

      AI Security puede resultar complicado debido a la falta de transparencia de los sistemas de inteligencia artificial y a su dependencia de datos y componentes de terceros. Adem\u00e1s, las organizaciones deben hacer frente a un panorama de amenazas en constante evoluci\u00f3n y a los requisitos normativos.<\/p>\n\n\n\n

      \u00bfCu\u00e1les son algunas de las mejores pr\u00e1cticas para implementar AI Security en entornos empresariales?<\/h3>\n\n\n\n

      Las organizaciones deben implementar controles de acceso basados en el principio del privilegio m\u00ednimo para proteger los datos confidenciales y los sistemas de inteligencia artificial frente a accesos no autorizados. Asimismo, es necesario supervisar las entradas y salidas de los modelos de IA para detectar posibles solicitudes maliciosas o respuestas incorrectas.<\/p>\n\n\n\n

      Reforzar AI Security mediante una estrategia de red unificada<\/h2>\n\n\n\n

      AI Security es fundamental para gestionar las posibles amenazas que los sistemas de inteligencia artificial pueden suponer para los datos, los sistemas y los flujos de trabajo de las empresas. Las organizaciones deben implementar pol\u00edticas de gobernanza de la IA y controles de seguridad dise\u00f1ados para abordar aspectos clave de AI Security, como la protecci\u00f3n de datos, la gesti\u00f3n del acceso y la integridad de los modelos. Las empresas deben evaluar sus medidas de seguridad actuales en materia de inteligencia artificial a la luz de las amenazas en constante evoluci\u00f3n y los requisitos normativos.<\/p>\n\n","protected":false},"excerpt":{"rendered":"

      AI Security incluye controles de seguridad dise\u00f1ados para proteger los sistemas de IA frente a ataques habituales. Entre ellos se incluyen la manipulaci\u00f3n o eliminaci\u00f3n de datos de entrenamiento y el uso de indicaciones maliciosas dise\u00f1adas para acceder a datos confidenciales o provocar un comportamiento an\u00f3malo en un sistema de inteligencia artificial. A medida que…<\/p>\n","protected":false},"author":193,"featured_media":0,"menu_order":0,"template":"","meta":{"_acf_changed":false},"glossary-topic":[1220],"coauthors":[1180],"class_list":["post-155939","glossary","type-glossary","status-publish","hentry","glossary-topic-uncategorized"],"acf":[],"yoast_head":"\nIT Security Glossary | Cato Networks<\/title>\n<meta name=\"description\" content=\"Clear, concise definitions of SASE, SD-WAN, Zero Trust, and more. Explore our glossary\u2014your reliable guide to understanding key industry terms and concepts.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.catonetworks.com\/es\/glossary\/what-is-ai-security\/\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"\u00bfQu\u00e9 es AI Security?\" \/>\n<meta property=\"og:description\" content=\"Clear, concise definitions of SASE, SD-WAN, Zero Trust, and more. Explore our glossary\u2014your reliable guide to understanding key industry terms and concepts.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.catonetworks.com\/es\/glossary\/what-is-ai-security\/\" \/>\n<meta property=\"og:site_name\" content=\"Cato Networks\" \/>\n<meta property=\"article:modified_time\" content=\"2026-05-28T10:49:26+00:00\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"IT Security Glossary | Cato Networks","description":"Clear, concise definitions of SASE, SD-WAN, Zero Trust, and more. Explore our glossary\u2014your reliable guide to understanding key industry terms and concepts.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.catonetworks.com\/es\/glossary\/what-is-ai-security\/","og_locale":"es_ES","og_type":"article","og_title":"\u00bfQu\u00e9 es AI Security?","og_description":"Clear, concise definitions of SASE, SD-WAN, Zero Trust, and more. Explore our glossary\u2014your reliable guide to understanding key industry terms and concepts.","og_url":"https:\/\/www.catonetworks.com\/es\/glossary\/what-is-ai-security\/","og_site_name":"Cato Networks","article_modified_time":"2026-05-28T10:49:26+00:00","twitter_card":"summary_large_image","schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/www.catonetworks.com\/es\/glossary\/what-is-ai-security\/","url":"https:\/\/www.catonetworks.com\/es\/glossary\/what-is-ai-security\/","name":"IT Security Glossary | Cato Networks","isPartOf":{"@id":"https:\/\/www.catonetworks.com\/es\/#website"},"datePublished":"2026-05-28T10:49:25+00:00","dateModified":"2026-05-28T10:49:26+00:00","description":"Clear, concise definitions of SASE, SD-WAN, Zero Trust, and more. Explore our glossary\u2014your reliable guide to understanding key industry terms and concepts.","breadcrumb":{"@id":"https:\/\/www.catonetworks.com\/es\/glossary\/what-is-ai-security\/#breadcrumb"},"inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.catonetworks.com\/es\/glossary\/what-is-ai-security\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/www.catonetworks.com\/es\/glossary\/what-is-ai-security\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/www.catonetworks.com\/es\/"},{"@type":"ListItem","position":2,"name":"Glossary","item":"https:\/\/www.catonetworks.com\/es\/glossary\/"},{"@type":"ListItem","position":3,"name":"\u00bfQu\u00e9 es AI Security?"}]},{"@type":"WebSite","@id":"https:\/\/www.catonetworks.com\/es\/#website","url":"https:\/\/www.catonetworks.com\/es\/","name":"Cato Networks","description":"","publisher":{"@id":"https:\/\/www.catonetworks.com\/es\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.catonetworks.com\/es\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"es"},{"@type":"Organization","@id":"https:\/\/www.catonetworks.com\/es\/#organization","name":"Cato Networks","url":"https:\/\/www.catonetworks.com\/es\/","logo":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/www.catonetworks.com\/es\/#\/schema\/logo\/image\/","url":"https:\/\/www.catonetworks.com\/wp-content\/uploads\/2022\/08\/1559077757990.jpg","contentUrl":"https:\/\/www.catonetworks.com\/wp-content\/uploads\/2022\/08\/1559077757990.jpg","width":200,"height":200,"caption":"Cato Networks"},"image":{"@id":"https:\/\/www.catonetworks.com\/es\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.linkedin.com\/company\/cato-networks\/"]}]}},"_links":{"self":[{"href":"https:\/\/www.catonetworks.com\/es\/wp-json\/wp\/v2\/glossary\/155939","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.catonetworks.com\/es\/wp-json\/wp\/v2\/glossary"}],"about":[{"href":"https:\/\/www.catonetworks.com\/es\/wp-json\/wp\/v2\/types\/glossary"}],"author":[{"embeddable":true,"href":"https:\/\/www.catonetworks.com\/es\/wp-json\/wp\/v2\/users\/193"}],"wp:attachment":[{"href":"https:\/\/www.catonetworks.com\/es\/wp-json\/wp\/v2\/media?parent=155939"}],"wp:term":[{"taxonomy":"glossary-topic","embeddable":true,"href":"https:\/\/www.catonetworks.com\/es\/wp-json\/wp\/v2\/glossary-topic?post=155939"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/www.catonetworks.com\/es\/wp-json\/wp\/v2\/coauthors?post=155939"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}