Cuando se estudian vulnerabilidades como Spectre o Meltdown, una parte decisiva del trabajo no ocurre en aplicaciones visibles para el usuario sino en capas mucho más profundas del procesador. El problema es que esas capas internas son difíciles de observar sin que el propio sistema operativo meta ruido en la medicion. Un equipo de MIT CSAIL intento resolver ese obstaculo construyendo Fractal, un kernel nuevo pensado no para uso cotidiano sino para investigar la microarquitectura de los chips. Según la nota de MIT News y el paper técnico asociado, esa herramienta ya permitió descubrir comportamientos del Apple M1 que trabajos previos no habían visto con claridad.
La idea central de Fractal es tratar al hardware como objeto de estudio. En vez de modificar Linux o macOS de manera ad hoc para correr experimentos muy sensibles, el sistema arranca casi solo sobre la maquina y ofrece un entorno mucho más controlado para comparar qué ocurre cuando el mismo código se ejecuta en distintos niveles de privilegio. El paper lo describe como una plataforma de “microarchitecture reverse engineering”, una forma de aprender como están organizados internamente predictores de saltos, caches y otras estructuras del procesador observando sus efectos. Para eso, el equipo diseño primitivas que permiten alternar entre hilos de usuario y de kernel manteniendo iguales otras variables que suelen contaminar la medicion, como el planificador, las interrupciones o cambios de espacio de direcciones.
La primera demostración fuerte de ese enfoque fue sobre el procesador Apple M1. Los autores usaron Fractal para estudiar los predictores de saltos, mecanismos con los que la CPU intenta adivinar qué instrucciones necesitara ejecutar después para ganar velocidad. Ese tipo de especulación mejora el rendimiento, pero también puede abrir canales laterales de seguridad si un programa logra influir en la ejecución especulativa de otro dominio. Según el trabajo, el M1 sí bloquea una parte importante de esos ataques en la fase de ejecución, pero no aísla por completo la fase de “fetch”: código de usuario todavía puede influir en qué objetivos carga especulativamente el kernel en cache, algo observable por canal lateral. Además, Fractal encontro la primera evidencia de que Apple Silicon presenta una forma limitada de especulación Phantom, una clase de error de predicción mostrada antes en chips de AMD e Intel.
El paper también corrige una conclusión previa sobre otra parte del predictor de saltos del M1. Estudios anteriores habían sugerido que el entrenamiento cruzado entre privilegios afectaba a los núcleos de alto rendimiento pero no a los de eficiencia. Con Fractal, el equipo mostró que esa diferencia probablemente era un artefacto del sistema operativo, que movía hilos entre núcleos durante llamadas al sistema. En su entorno controlado, el predictor condicional no mostró aislamiento por privilegio en ninguno de los dos tipos de núcleo. Ese resultado no implica por sí solo una vulnerabilidad explotable lista para usar, pero sí cambia la comprensión técnica de cómo se comporta el chip bajo condiciones precisas.
La importancia del trabajo está en dos planos. Uno es metodológico: Fractal aparece como una infraestructura reutilizable para estudiar procesadores con menos interferencias, en vez de depender de parches caseros difíciles de replicar. El otro es de seguridad: entender con más precisión donde termina y donde no termina el aislamiento entre procesos y entre usuario y kernel ayuda a evaluar riesgos reales y a diseñar defensas más solidas. MIT aclara que el equipo divulgó sus hallazgos a Apple y que Fractal fue pensado como herramienta abierta para la comunidad.
Conviene, sin embargo, no sobredimensionar el alcance práctico inmediato. El trabajo se presenta como investigación de arquitectura y seguridad en el IEEE Symposium on Security and Privacy 2026, no como un aviso de explotación masiva en equipos de consumo. Encontrar evidencia de un comportamiento microarquitectónico no equivale automáticamente a demostrar un ataque listo para desplegar ni a probar que todos los dispositivos con Apple Silicon sean vulnerables en el mismo grado.
To study how chips really work, MIT researchers built their own operating system · MIT News Research
MIT News | Massachusetts Institute of Technology · Fuente de imagen
Ravichandran, J., & Yan, M. (2026). Fractal: An Operating System Designed for Microarchitecture Reverse Engineering. IEEE Symposium on Security and Privacy 2026. https://people.csail.mit.edu/mengjia/data/2026.SP.fractal.pdf
Relacionadas por categoría
Ver masLa ayuda de la IA puede mejorar la detección de noticias falsas en el momento, pero debilitar el discernimiento después
Un estudio presentado en CHI 2026 encontro que los chatbots ayudan a detectar desinformacion en el corto plazo, pero pueden empeorar el desempeno autonomo cuando dejan de estar disponibles.
Un estudio advierte que los chatbots pueden reforzar creencias falsas y desdibujar la frontera con la realidad
Una investigadora analizó cómo la interacción sostenida con IA conversacional puede validar recuerdos distorsionados o ideas delirantes, sobre todo en personas vulnerables o aisladas.
Sistema de IA neuro-simbólico reduce consumo de energía hasta 100 veces
Científicos de la Universidad de Tufts desarrollaron un sistema de IA que combina redes neuronales con razonamiento simbólico, reduciendo el consumo de energía hasta 100 veces.
Más de la misma fuente
Ver masUna inyección de CO2 reorganiza cómo fragua el cemento
Un equipo del MIT observó en tiempo real cómo una pequeña dosis de CO2 cambia la química inicial del cemento y le da 13% más resistencia en sus primeras 24 horas.
Un sistema combina sonar y cámara para que robots submarinos vean mejor en aguas turbias
Un trabajo presentado en ICRA 2026 y difundido por MIT muestra que la técnica Sonar-MASt3R puede generar mapas 3D más robustos en agua turbia al fusionar imágenes ópticas con reconstrucción acústica en tiempo real.
Un sistema de realidad aumentada podría volver más intuitiva la interpretación de ecografías
Un estudio en Communications Engineering mostró que una ecografía 3D con realidad aumentada ayudó a principiantes a identificar objetos y ubicar blancos en tejidos simulados casi al nivel de personas expertas.
Más del mismo autor
Ver masUn método computacional busca detectar variantes de fentanilo antes de que entren en los catálogos
Un preprint propone una biblioteca digital con más de mil millones de variantes posibles de fentanilo para ayudar a identificar compuestos no catalogados en análisis forenses.
Robots e IA aceleran la búsqueda de fagos contra bacterias resistentes
Un estudio en Nature Communications presentó una plataforma automatizada que usa robótica y visión por computadora para diseñar cócteles de bacteriófagos contra infecciones urinarias resistentes.
Un modelo combina plasma y gravedad para explicar las “rayas de cebra” del púlsar del Cangrejo
Un modelo teórico propone que la interacción entre plasma y lente gravitacional genera las bandas brillantes y oscuras observadas desde hace décadas en las señales de radio del púlsar del Cangrejo.