PCI DSS & AI Compliance

Overview

El Estándar de Seguridad de Datos de la Industria de Tarjetas de Pago (PCI DSS) es un conjunto de requisitos de seguridad establecido por el PCI Security Standards Council para proteger los datos de los titulares de tarjetas. El estándar se aplica a todas las organizaciones que almacenan, procesan o transmiten datos de titulares de tarjetas, con independencia de su tamaño o de su volumen de transacciones. La versión 4.0 se publicó en marzo de 2022, la versión 4.0.1 la sustituyó a finales de 2024, y los requisitos que la versión 4.0 marcaba con fecha futura pasaron a ser obligatorios el 31 de marzo de 2025. La versión 4 introdujo un enfoque más flexible y orientado a resultados para los controles de seguridad, así como nuevos requisitos de autenticación, cifrado y monitorización continua.

En los sistemas de IA de servicios financieros, PCI DSS entra en juego siempre que los datos de entrenamiento incluyan información de tarjetas de pago o se deriven de ella. Los modelos de detección de fraude, la puntuación del riesgo de las transacciones, la analítica del comportamiento de los clientes y la optimización de pagos pueden interactuar con datos de titulares de tarjetas. Los doce requisitos fundamentales del estándar abarcan la seguridad de la red, la protección de datos, la gestión de vulnerabilidades, el control de acceso, la monitorización y la política de seguridad, y cada uno tiene implicaciones directas en cómo los flujos de entrenamiento de IA tratan los datos de tarjetas de pago.

A cada organización se le asigna un nivel según su volumen de transacciones, y los comercios de nivel 1 (más de 6 millones de transacciones al año) suelen necesitar una evaluación anual in situ realizada por un evaluador de seguridad cualificado (QSA). Las organizaciones más pequeñas suelen completar un cuestionario de autoevaluación (SAQ) anual y deben ajustarse al estándar de forma continua. Las consecuencias de no atenerse al estándar van más allá de las multas: las organizaciones pueden perder por completo la capacidad de procesar pagos con tarjeta.

AI-Specific Requirements

El Requisito 3 de PCI DSS exige proteger los datos de cuenta almacenados mediante métodos como el cifrado, el truncamiento, la tokenización y el hash. En los datos de entrenamiento de IA, esto significa que los números de cuenta principales (PAN) deben quedar ilegibles allí donde se almacenen, y que los datos de autenticación sensibles no deben almacenarse en absoluto después de la autorización. Si los conjuntos de datos de entrenamiento contienen registros de transacciones con PAN completos, esos PAN deben protegerse o, mejor aún, eliminarse, truncarse o tokenizarse antes de que los datos entren en el flujo de entrenamiento. Las organizaciones también deben implantar procedimientos de gestión de claves para todas las claves criptográficas usadas para proteger los datos de titulares de tarjetas.

El Requisito 7 restringe el acceso a los datos de titulares de tarjetas a las personas cuyo trabajo lo requiera, aplicando el principio de mínimo privilegio. En los equipos de desarrollo de IA, el acceso a los conjuntos de datos que contienen datos de titulares de tarjetas debe limitarse a quienes trabajan en modelos relacionados con pagos y tienen una necesidad de negocio documentada. El Requisito 10 exige registrar y monitorizar todos los accesos a los componentes del sistema y a los datos de titulares de tarjetas, por lo que los flujos de entrenamiento de IA dentro del alcance deben mantener registros de auditoría detallados de quién accedió a esos datos, cuándo y con qué finalidad.

PCI DSS v4 introdujo requisitos especialmente relevantes para los sistemas de IA. El Requisito 6.3.2 exige un inventario del software a medida y personalizado, lo que incluye los modelos de IA a medida que procesan datos de titulares de tarjetas. El Requisito 12.3.1 exige análisis de riesgos específicos para cada requisito que ofrezca flexibilidad en la forma de abordarlo. En los sistemas de IA, esto implica documentar los riesgos concretos a los que se enfrentan los datos de titulares de tarjetas dentro del flujo de aprendizaje automático y justificar los controles implantados para afrontarlos. Las organizaciones también deben atender las obligaciones de análisis de vulnerabilidades y pruebas de penetración del Requisito 11 para los componentes del sistema de IA que estén dentro del alcance.

How Ertas Helps

La regla más útil para PCI DSS es mantener los datos de titulares de tarjetas completamente alejados de Ertas. Ertas Studio entrena en las GPU en la nube de Ertas, por lo que todo lo que contenga un conjunto de datos de entrenamiento se sube a Ertas y se almacena para poder repetir las ejecuciones. Elimine, trunque o tokenice los PAN y demás datos de titulares de tarjetas antes de subirlos, para que ni el conjunto de entrenamiento ni Ertas queden dentro de su entorno de datos de titulares de tarjetas (CDE). Las tareas de fraude y riesgo a menudo pueden aprender a partir de valores tokenizados o truncados, y Data Craft, el generador de conjuntos de datos de Studio, le permite editar y aprobar cada ejemplo antes del entrenamiento. Puede eliminar los conjuntos de datos subidos en cualquier momento.

En la inferencia, el modelo puede ver datos de transacciones reales. Expórtelo en GGUF o safetensors y ejecútelo en su propio entorno, dentro o fuera del CDE según lo requiera su delimitación del alcance, y esos datos nunca llegan a Ertas. El modelo es suyo y su versión no cambia hasta que vuelva a entrenarlo, así que puede registrarlo como un elemento conocido en el inventario de software a medida y personalizado que pide el Requisito 6.3.2. El endpoint de modelo adaptativo y los desarrollos empresariales a medida pueden ejecutar el modelo en su propia nube o en sus propias instalaciones (on-premise).

La delimitación del alcance y la segmentación, los Requisitos 3, 7, 10 y 11 para los sistemas donde se ejecuta el modelo, los análisis de riesgos específicos y su evaluación anual quedan a su cargo.

Compliance Checklist