Los modelos de difusión aplicados a generación de imágenes han revolucionado el sector creativo, pero también han abierto la puerta a usos indebidos como la producción de contenido protegido por derechos de autor o material dañino. Para mitigar estos riesgos, la comunidad investigadora ha desarrollado técnicas de desaprendizaje o concept erasure, que buscan eliminar determinadas representaciones del modelo sin degradar su rendimiento general. Sin embargo, estudios recientes revelan una preocupante ilusión del olvido: aunque el modelo parece haber suprimido ciertos conceptos, el conocimiento interno permanece latente, como una memoria dormida que puede reactivarse. Este fenómeno se explica porque la mayoría de los métodos de desaprendizaje solo alteran parcialmente la conexión entre los símbolos lingüísticos y el conocimiento subyacente, dejando intactas las representaciones neuronales profundas. Investigadores han demostrado que la discrepancia en la distribución del ruido durante el proceso de denoising actúa como un indicador medible de cuánto de ese mapeo se conserva, reflejando la fuerza real del desaprendizaje. A partir de esta observación, se ha propuesto un novedoso marco de ataque denominado IVO (optimización de la variable latente inicial), que ajusta las variables latentes iniciales para realinear la distribución del ruido del modelo desaprendido con la del modelo original, reconstruyendo así las conexiones fracturadas y reactivando las memorias latentes. En pruebas exhaustivas con once técnicas de desaprendizaje y tres escenarios conceptuales, este enfoque supera a los métodos de ataque de referencia, exponiendo vulnerabilidades fundamentales en los mecanismos actuales de seguridad de modelos generativos. Para las empresas que integran inteligencia artificial en sus flujos de trabajo, esta línea de investigación tiene implicaciones directas en ciberseguridad: los sistemas que dependen de modelos de difusión para generar contenido bajo restricciones legales o éticas deben considerar que las medidas de desaprendizaje pueden ser eludidas con relativa facilidad. En Q2BSTUDIO abordamos estos desafíos desde una perspectiva integral, ofreciendo soluciones de ciberseguridad que incluyen pruebas de penetración y auditorías de modelos de IA, así como inteligencia artificial para empresas con énfasis en robustez y alineamiento ético. Nuestro equipo desarrolla aplicaciones a medida y software a medida que incorporan controles de seguridad adaptativos, además de desplegar infraestructuras en servicios cloud aws y azure para garantizar escalabilidad y monitorización continua. También implementamos servicios inteligencia de negocio con power bi para visualizar métricas de rendimiento y detectar anomalías en tiempo real, y diseñamos agentes IA capaces de auditar automáticamente la coherencia de las salidas generativas. La lección que deja este tipo de ataques es que el desaprendizaje no puede considerarse una solución definitiva sin un acompañamiento constante de red teaming y validación externa, un área en la que las empresas pueden apoyarse en partners tecnológicos especializados para mantener la integridad de sus sistemas de IA.