Comparativa de las 20 mejores herramientas de seguridad y frameworks gratuitos para másteres en derecho (LLM) en 2026.

Chevrolet de Watsonville, un concesionario de automóviles, implementó un chatbot basado en ChatGPT en su sitio web. Sin embargo, el chatbot anunció falsamente un automóvil por $1, lo que podría acarrear consecuencias legales y una factura considerable para Chevrolet. Incidentes como este resaltan la importancia de implementar medidas de seguridad en las aplicaciones de gestión de licencias. ¹

Descubra las mejores herramientas de seguridad LLM que pueden proteger sus aplicaciones de modelos de lenguaje de gran tamaño:

Comparación de las mejores herramientas de seguridad LLM

Antes de comparar las herramientas de seguridad de LLM, las analizamos en tres categorías:

1. Marcos y bibliotecas de código abierto que pueden detectar amenazas potenciales
2. Herramientas de seguridad de IA que ofrecen servicios específicos para LLM y detectan fallos del sistema.
3. Herramientas de seguridad GenAI que se centran en amenazas externas y errores internos en aplicaciones LLM.

Al centrarnos en las herramientas de seguridad para modelos de lenguaje de gran tamaño (LLM), excluimos las herramientas de LLMOps y otros modelos de lenguaje de gran tamaño que no pueden identificar vulnerabilidades críticas ni brechas de seguridad. Tampoco mencionamos las herramientas que ofrecen servicios de gobernanza de IA para verificar el comportamiento ético y el cumplimiento de las normativas de privacidad de datos.

La tabla muestra las soluciones de seguridad de LLM clasificadas por categoría y número de empleados de los proveedores.

Herramientas de gobernanza de IA

Las herramientas de gobernanza de IA evalúan los modelos de IA en cuanto a eficacia, sesgo, robustez, privacidad y explicabilidad, proporcionando estrategias prácticas para la mitigación de riesgos y la elaboración de informes estandarizados. Estas herramientas pueden ayudar con las evaluaciones de seguridad de los modelos de lógica descriptiva (LLM), garantizando que sean seguros, fiables y cumplan con las normativas pertinentes, mejorando así la seguridad y la fiabilidad generales. Algunas de estas herramientas incluyen:

Credo AI es una plataforma de gobernanza de IA que ayuda a las empresas a adoptar, escalar y gestionar la IA. Credo AI ofrece GenAI Guardrails, que proporciona funciones de gobernanza para respaldar la adopción segura de tecnologías de IA generativa. Algunas de las funciones son:

1. Integraciones técnicas con herramientas LLMOps para configurar filtros de E/S e infraestructura que preserve la privacidad desde un centro de mando centralizado.
2. Paquetes de políticas específicos de GenAI que incluyen procesos predefinidos y controles técnicos para mitigar los riesgos en la generación de texto, código e imágenes.

Fairly AI, adquirida por Asenion, es una herramienta especializada en gobernanza, gestión de riesgos y cumplimiento normativo de IA que ayuda a las organizaciones a gestionar proyectos de IA de forma segura y eficaz desde el principio. Fairly AI puede ser útil para detectar y reaccionar ante riesgos de seguridad de LLM mediante funciones como:

• Supervisión y pruebas continuas para identificar y mitigar riesgos en tiempo real.
• Colaboración entre los equipos de riesgo y cumplimiento normativo, junto con los equipos de ciencia de datos y ciberseguridad, para garantizar la seguridad de los modelos.
• Informes dinámicos para proporcionar visibilidad continua y documentación del estado de cumplimiento para gestionar y auditar las medidas de seguridad de LLM.

Fiddler es una herramienta de visibilidad de IA empresarial que mejora la observabilidad, la seguridad y la gobernanza de la IA. Fiddler ayuda a las organizaciones a garantizar que los sistemas de gestión del aprendizaje (LLM) sean seguros, cumplan con las normativas y tengan un alto rendimiento a lo largo de todo su ciclo de vida. Sus principales productos y funcionalidades incluyen:

• La capacidad de observación del LLM permite monitorizar el rendimiento, detectar alucinaciones y toxicidad, y proteger la información de identificación personal (PII).
• El auditor Fiddler evalúa la robustez, la corrección y la seguridad de los LLM, y admite evaluaciones rápidas de ataques de inyección.
• Monitorización del modelo para identificar desviaciones y establecer alertas ante posibles problemas.
• Inteligencia artificial responsable para mitigar los sesgos y proporcionar información útil para mejorar indicadores clave de rendimiento (KPI) específicos.

Holistic AI es una herramienta de gobernanza de IA que ayuda a garantizar el cumplimiento, mitigar riesgos y mejorar la seguridad de los sistemas de IA, incluidos los modelos de lenguaje a gran escala (LLM). Proporciona evaluaciones del sistema en cuanto a eficacia, sesgo, privacidad y explicabilidad, así como un monitoreo continuo de las regulaciones globales de IA. Algunas de sus características relevantes incluyen:

• Seguridad de datos para censurar automáticamente los datos confidenciales de las sugerencias de la IA generativa.
• Protección contra sesgos y toxicidad para prevenir la discriminación, la toxicidad y las alucinaciones.
• Detección de vulnerabilidades para identificar y mitigar las mismas.
• Detección de mensajes maliciosos para detectar y responder a mensajes maliciosos y así proteger los sistemas de gestión de la vida.

Nexos.ai es una plataforma de orquestación y puerta de enlace LLM de nivel empresarial que permite a las organizaciones integrar, gestionar y supervisar múltiples modelos de IA a través de una interfaz unificada. También proporciona capacidades de gobernanza de IA y seguridad LLM, que incluyen:

• Aplicación de políticas y salvaguardias : Defina reglas para las entradas y salidas del modelo para prevenir la exposición de datos confidenciales y hacer cumplir las políticas de la organización.
• Control de acceso basado en roles: Gestione los permisos para equipos, usuarios y proyectos para garantizar un uso seguro y conforme a las normativas de la IA.
• Observabilidad y auditoría: Realice un seguimiento del uso de los modelos, supervise los presupuestos, mantenga registros y genere pistas de auditoría para una supervisión integral de la empresa.

Herramientas de seguridad de IA

Las herramientas de seguridad para IA proporcionan medidas de seguridad para las aplicaciones de inteligencia artificial mediante el uso de algoritmos avanzados y mecanismos de detección de amenazas. Algunas de estas herramientas pueden implementarse en modelos de lógica descriptiva (MLD) para garantizar la integridad de estos modelos.

Synack es una empresa de ciberseguridad que se especializa en brindar servicios de pruebas de seguridad colaborativas. La plataforma Synack ofrece un conjunto de funcionalidades para identificar vulnerabilidades de IA y reducir otros riesgos asociados a las aplicaciones de gestión del aprendizaje automático (LLM). Synack es adecuada para diversas implementaciones de IA, incluyendo chatbots, asistencia al cliente y herramientas internas. Algunas de sus características principales son:

1. Seguridad continua por   Identificar el código inseguro antes de su lanzamiento y garantizar una gestión proactiva de riesgos durante el desarrollo del código.
2. Se realizan comprobaciones de vulnerabilidad , incluyendo la inyección inmediata, el manejo inseguro de la salida, el robo de modelos y la excesiva intervención humana, abordando preocupaciones como las salidas sesgadas.
3. Resultados de las pruebas realizadas por   Generación de informes en tiempo real a través de la plataforma Synack, mostrando metodologías de prueba y cualquier vulnerabilidad explotable.

WhyLabs LLM Security ofrece una solución integral para garantizar la seguridad y confiabilidad de las implementaciones de LLM, especialmente en entornos de producción. Combina herramientas de observabilidad y mecanismos de protección, brindando salvaguarda contra diversas amenazas y vulnerabilidades de seguridad, como mensajes maliciosos. Estas son algunas de las características clave que ofrece la plataforma de WhyLabs:

1. Protección contra fugas de datos mediante la evaluación de las solicitudes y el bloqueo de las respuestas que contienen información de identificación personal (PII) para identificar ataques dirigidos que puedan filtrar datos confidenciales.
2. Monitorización inmediata de la inyección de mensajes maliciosos que pueden confundir al sistema y provocar resultados dañinos.
3. Prevención de la desinformación mediante la identificación y gestión del contenido generado por LLM que pueda incluir información errónea o respuestas inapropiadas debido a "alucinaciones".
4. Las 10 mejores prácticas de OWASP para aplicaciones LLM son aquellas que permiten identificar y mitigar los riesgos asociados con las LLM.

Moderador de CalypsoAI

CalypsoAI Moderator puede proteger las aplicaciones LLM y garantizar que los datos de la organización permanezcan dentro de su ecosistema, ya que no procesa ni almacena los datos. La herramienta es compatible con varias plataformas que utilizan tecnología LLM, incluidos modelos populares como ChatGPT. Las características de CalypsoAI Moderator ayudan a:

1. Prevención de la pérdida de datos mediante el análisis de datos confidenciales, como código y propiedad intelectual, y la prevención de la divulgación no autorizada de información confidencial.
2. Total capacidad de auditoría al ofrecer un registro detallado de todas las interacciones, incluyendo el contenido de las solicitudes, los datos del remitente y las marcas de tiempo.
3. Detección de código malicioso mediante la identificación y el bloqueo de malware, protegiendo el ecosistema de la organización de posibles infiltraciones a través de las respuestas LLM.
4. Análisis automatizado mediante la generación automática de comentarios y análisis del código descompilado, lo que facilita una comprensión más rápida de estructuras binarias complejas.

IA Adversa

Adversa AI se especializa en amenazas cibernéticas, problemas de privacidad e incidentes de seguridad en sistemas de IA. Su enfoque se centra en comprender las vulnerabilidades potenciales que los ciberdelincuentes podrían explotar en aplicaciones de IA, basándose en la información sobre los modelos y datos de IA del cliente. Adversa AI realiza:

1. Pruebas de resiliencia mediante la simulación de ataques basados en escenarios para evaluar la capacidad del sistema de IA para adaptarse y responder, mejorando así la respuesta ante incidentes y las medidas de seguridad.
2. Realizar pruebas de estrés evaluando el rendimiento de la aplicación de IA en condiciones extremas, optimizando la escalabilidad, la capacidad de respuesta y la estabilidad para su uso en el mundo real.
3. Identificación de ataques mediante el análisis de vulnerabilidades en los sistemas de detección facial para contrarrestar ataques adversarios, ataques de inyección y amenazas en constante evolución, garantizando así la privacidad y la precisión de los datos.

Herramientas de seguridad GenAI

Las herramientas específicas de GenAI salvaguardan la integridad y la fiabilidad de las soluciones de IA basadas en el lenguaje. Estas herramientas pueden ser de ciberseguridad, adaptando sus servicios a los sistemas de gestión del lenguaje (LLM), o plataformas y conjuntos de herramientas desarrollados específicamente para proteger las aplicaciones de generación de lenguaje.

Cadenas de ataque LLM por Praetorian

Praetorian es una empresa de ciberseguridad especializada en brindar soluciones y servicios de seguridad avanzados. Praetorian puede mejorar la seguridad de las empresas ofreciendo una gama de servicios, que incluyen evaluaciones de vulnerabilidad , pruebas de penetración y consultoría de seguridad. Praetorian emplea ataques adversarios para poner a prueba los modelos LLM. La plataforma de Praetorian permite a los usuarios:

1. Utilice indicaciones diseñadas para evaluar las vulnerabilidades de los modelos de lenguaje (LLM), exponiendo posibles sesgos o fallos de seguridad. La inserción de indicaciones permite realizar pruebas exhaustivas, revelando las limitaciones del modelo y guiando las mejoras en su robustez.
2. Utilice la detección de ataques de canal lateral para reforzar sus herramientas contra posibles vulnerabilidades. Al identificar y mitigar los riesgos de los canales laterales, las organizaciones mejoran la seguridad de sus sistemas, protegiendo la información confidencial de posibles canales encubiertos y accesos no autorizados.
3. Combatir la manipulación de datos para mantener la integridad de los conjuntos de datos de entrenamiento de LLM. La identificación y prevención proactivas de la manipulación de datos garantizan la fiabilidad y precisión de los modelos, protegiéndolos contra la manipulación maliciosa de los datos de entrada.
4. Evitar la extracción no autorizada de datos de entrenamiento para proteger la información confidencial. Impedir el acceso ilícito a los datos de entrenamiento mejora la confidencialidad y la seguridad de la información sensible utilizada en el desarrollo de modelos.
5. Detectar y eliminar puertas traseras refuerza la seguridad de la plataforma Praetorian. Identificar y cerrar posibles puertas traseras mejora la confiabilidad de los modelos, asegurando su funcionamiento sin vulneraciones ni accesos no autorizados.

LLMGuard

LLM Guard, desarrollado por Laiyer AI, es un conjunto de herramientas integral y de código abierto diseñado para mejorar la seguridad de los modelos de lenguaje grandes (LLM) mediante la corrección de errores, la mejora de la documentación o la difusión de información. El conjunto de herramientas permite:

1. Detectar y eliminar el lenguaje ofensivo en las interacciones de LLM, garantizando que el contenido siga siendo apropiado y seguro.
2. Evitar la fuga de datos confidenciales durante las interacciones con LLM es un aspecto crucial para mantener la privacidad y la seguridad de los datos.
3. Resiste los ataques de inyección rápida , garantizando la integridad de las interacciones LLM.

Lakera

Lakera Guard es una herramienta de seguridad de IA centrada en el desarrollador, diseñada para proteger las aplicaciones de modelos de lenguaje a gran escala (LLM, por sus siglas en inglés) dentro de las empresas. La herramienta se integra con las aplicaciones y flujos de trabajo existentes a través de su API, sin depender del modelo, lo que permite a las organizaciones proteger sus aplicaciones LLM. Entre sus características más destacadas se incluyen:

1. Protección contra inyección inmediata tanto para ataques directos como indirectos, evitando acciones posteriores no deseadas.
2. Filtración de información sensible , como información de identificación personal (PII) o datos corporativos confidenciales.
3. Detección de alucinaciones mediante la identificación de resultados de modelos que se desvían del contexto de entrada o del comportamiento esperado.

LLM Guardian de Lasso Security

LLM Guardian de Lasso Security integra evaluación, modelado de amenazas y capacitación para proteger las aplicaciones LLM. Algunas de sus características clave incluyen:

1. Evaluaciones de seguridad para identificar posibles vulnerabilidades y riesgos de seguridad, proporcionando a las organizaciones información sobre su postura de seguridad y los posibles desafíos en la implementación de LLM.
2. Modelado de amenazas , que permite a las organizaciones anticipar y prepararse para posibles ciberamenazas dirigidas a sus aplicaciones LLM.
3. Programas de formación especializada para mejorar los conocimientos y las habilidades de los equipos en ciberseguridad cuando trabajan con LLM.

Marcos de trabajo y bibliotecas de codificación de código abierto

Las plataformas y bibliotecas de código abierto permiten a los desarrolladores implementar y mejorar las medidas de seguridad en aplicaciones de IA e IA generativa. Algunas están desarrolladas específicamente para la seguridad de modelos de lógica descriptiva (LLM), mientras que otras pueden implementarse en cualquier modelo de IA.

La tabla muestra los marcos y bibliotecas de codificación de seguridad LLM de código abierto según sus tasas de Github.

IA de barandillas

Guardrails AI es una biblioteca de código abierto para la seguridad de aplicaciones de IA. La herramienta consta de dos componentes esenciales:

• Rail, definiendo especificaciones mediante el lenguaje de marcado de IA fiable (RAIL).
• Guard, una capa ligera de abstracción para estructurar, validar y corregir los resultados de LLM.

Guardrails AI ayuda a establecer y mantener estándares de garantía en los LLM mediante

1. Desarrollar un marco que facilite la creación de validadores, garantizando la adaptabilidad a diversos escenarios y atendiendo a necesidades de validación específicas.
2. Implementar un flujo de trabajo simplificado para las indicaciones , verificaciones y nuevas indicaciones con el fin de optimizar el proceso para una interacción fluida con los modelos de lenguaje (LLM) y mejorar la eficiencia general.
3. Establecer un repositorio centralizado que albergue validadores de uso frecuente para promover la accesibilidad, la colaboración y las prácticas de validación estandarizadas en diversas aplicaciones y casos de uso.

Garak

Garak es un escáner de vulnerabilidades exhaustivo diseñado para modelos de lenguaje grandes (LLM, por sus siglas en inglés), cuyo objetivo es identificar vulnerabilidades de seguridad en tecnologías, sistemas, aplicaciones y servicios que utilizan modelos de lenguaje. Las características de Garak se enumeran a continuación:

1. Escaneo automatizado para realizar diversas pruebas en un modelo, gestionar tareas como la selección de detectores y la limitación de velocidad, y generar informes detallados sin intervención manual, analizando el rendimiento y la seguridad del modelo con una mínima participación humana.
2. Conectividad con varios LLM , incluidos OpenAI, Hugging Face, Cohere, Replicate e integraciones personalizadas de Python, lo que aumenta la flexibilidad para diversas necesidades de seguridad de LLM.
3. Capacidad de auto-adaptación cuando se identifica un fallo de LLM mediante el registro y el entrenamiento de su función de equipo rojo automático.
4. Exploración de diversos modos de fallo mediante complementos, sondas y sugerencias desafiantes para explorar e informar sistemáticamente sobre cada sugerencia y respuesta fallida, ofreciendo un registro completo para un análisis en profundidad.

Rechazar IA

Rebuff es un detector de inyección instantánea diseñado para proteger las aplicaciones de IA de los ataques de inyección instantánea (PI), empleando un mecanismo de defensa multicapa. Rebuff puede mejorar la seguridad de las aplicaciones de modelos de lenguaje grandes (LLM) mediante

1. Empleamos cuatro capas de defensa para protegernos integralmente contra los ataques de PI.
2. Utilizando un sistema de detección basado en LLM que puede analizar las solicitudes entrantes para identificar posibles ataques, lo que permite una detección de amenazas matizada y sensible al contexto.
3. Almacenar incrustaciones de ataques anteriores en unabase de datos de vectores , para reconocer y prevenir ataques similares en el futuro.
4. Integración de tokens de alerta temprana en las indicaciones para detectar fugas de información. El marco almacena las incrustaciones de las indicaciones en la base de datos de vectores, reforzando así la defensa contra futuros ataques.

Descubre más sobre la base de datos Vector y los LLM .

G3PO

El script G3PO sirve como un droide de protocolo para Ghidra, ayudando en el análisis y la anotación del código descompilado. Este script funciona como una herramienta de seguridad en ingeniería inversa y análisis de código binario mediante el uso de grandes modelos de lenguaje (LLM) como GPT-3.5, GPT-4 o Claude v1.2. Proporciona a los usuarios con

1. Identificación de vulnerabilidades para detectar posibles vulnerabilidades de seguridad mediante el uso de LLM, que ofrece información basada en patrones y datos de entrenamiento.
2. Análisis automatizado para generar automáticamente comentarios y análisis sobre el código descompilado, lo que facilita una comprensión más rápida de estructuras binarias complejas.
3. La anotación y documentación del código sugieren nombres significativos para funciones y variables, lo que mejora la legibilidad y la comprensión del código, algo especialmente crucial en el análisis de seguridad.

Vigilia

Vigil es una biblioteca de Python y una API REST diseñada específicamente para evaluar las indicaciones y respuestas en modelos de lenguaje grandes (LLM). Su función principal es identificar inyecciones de indicaciones, jailbreaks y riesgos potenciales asociados con las interacciones de LLM. Vigil puede ofrecer:

1. Métodos de detección para análisis inmediato, incluyendo similitud de texto/base de datos vectorial, YARA/heurística, análisis de modelos transformadores, similitud de respuesta inmediata y tokens Canary.
2. Detecciones personalizadas mediante firmas YARA.

LLMFuzzer

LLMFuzzer es un marco de trabajo de fuzzing de código abierto diseñado específicamente para identificar vulnerabilidades en modelos de lenguaje grandes (LLM), centrándose en su integración en aplicaciones a través de las API de LLM. Esta herramienta puede ser útil para entusiastas de la seguridad, pentesters o investigadores de ciberseguridad. Sus características clave incluyen:

1. Pruebas de integración de la API de LLM para evaluar las integraciones de LLM en diversas aplicaciones, garantizando pruebas exhaustivas.
2. Estrategias de fuzzing para descubrir vulnerabilidades, mejorando así su eficacia.

EscalarGPT

EscalateGPT es una herramienta Python con inteligencia artificial que identifica oportunidades de escalada de privilegios dentro de las configuraciones de Identity and Access Management (IAM) de AWS (991259_1700). Analiza las configuraciones incorrectas de IAM y proporciona posibles estrategias de mitigación mediante el uso de diferentes modelos de AWS (991259_1771). Algunas características incluyen:

1. Recuperación y análisis de políticas de IAM para identificar posibles oportunidades de escalada de privilegios y sugerir medidas de mitigación pertinentes.
2. Resultados detallados en formato JSON para explotar vulnerabilidades y recomendar estrategias que permitan abordarlas.

El rendimiento de EscalateGPT puede variar según el modelo que utilice. Por ejemplo, GPT4 demostró la capacidad de identificar escenarios de escalada de privilegios más complejos en comparación con GPT3.5-turbo, particularmente en entornos reales de AWS.

BurpGPT

BurpGPT es una extensión de Burp Suite diseñada para mejorar las pruebas de seguridad web mediante la incorporación de los modelos de lenguaje grandes (LLM) de OpenAI. Ofrece capacidades avanzadas de escaneo de vulnerabilidades y análisis basado en tráfico, lo que la hace adecuada tanto para principiantes como para expertos en seguridad. Algunas de sus características clave incluyen:

1. Escaneo pasivo de datos HTTP enviados a un modelo GPT controlado por OpenAI para su análisis, lo que permite la detección de vulnerabilidades y problemas que los escáneres tradicionales podrían pasar por alto en las aplicaciones escaneadas.
2. Control granular para elegir entre múltiples modelos OpenAI y controlar la cantidad de tokens GPT utilizados en el análisis.
3. Integración con Burp Suite , aprovechando todas las funciones nativas necesarias para el análisis, como la visualización de resultados dentro de la interfaz de usuario de Burp.
4. Funcionalidad de resolución de problemas a través del registro de eventos nativo de Burp, que ayuda a los usuarios a resolver problemas de comunicación con la API OpenAI.

Prácticas de codificación seguras en la era del LLM

Si bien las bibliotecas y los marcos de código abierto ofrecen herramientas valiosas para proteger las aplicaciones LLM, la generación de código seguro también depende del uso de lenguajes de programación más seguros. Un ejemplo notable es la reescritura de las bibliotecas criptográficas principales de SymCrypt por parte de Microsoft, pasando de C a Rust, un lenguaje de seguridad de memoria. ³

Aunque no fue generado por LLM, este esfuerzo demuestra cómo la elección de lenguajes seguros por diseño puede eliminar clases enteras de vulnerabilidades. A medida que los LLM asumen más tareas de escritura de código, combinarlos con lenguajes más seguros como Rust puede reducir el riesgo de generar código inseguro o explotable.

Última dirección: Seguridad ágínica

La seguridad de los agentes se refiere a la seguridad de los agentes de IA :

Puerta de enlace segura MCP

El Protocolo de Contexto de Modelo (MCP) es el estándar de la industria para conectar agentes de IA con herramientas. Una puerta de enlace MCP actúa como un cortafuegos para estas conexiones, impidiendo que los agentes sean manipulados por las herramientas que utilizan.

Gestión de identidad y acceso basada en agentes (A-IAM)

Estas herramientas se centran en gestionar las credenciales, la "intención" y los privilegios de estos ciudadanos digitales autónomos.

Pruebas de penetración y red teaming autónomo

Dado que los agentes actúan de forma no determinista, las comprobaciones de seguridad estáticas resultan insuficientes. El enfoque de pruebas de penetración autónomas ataca constantemente a los agentes para encontrar vulnerabilidades.

Preguntas frecuentes

Lecturas adicionales

Para obtener más información sobre los másteres en derecho (LLM) y las operaciones de gestión de másteres en derecho (LLMOps), consulte lo siguiente:

• LLMOPs vs MLOPs: Descubra la mejor opción para usted
• Comparación de más de 45 herramientas MLOps: una exhaustiva comparativa de proveedores.
• Software de seguridad de red .

Si tiene más preguntas, háganoslo saber:

Fuentes externas

Enlaces de referencia

1.

A Chevy Dealership Added an AI Chatbot to Its Site. Then All Hell Broke Loose. - Business Insider

Business Insider

2.

LLM Guard: Open-source toolkit for securing Large Language Models - Help Net Security

3.

Rewriting SymCrypt in Rust to modernize Microsoft’s cryptographic library  - Microsoft Research

Hazal Şimşek

Analista de la industria

Síguenos

Hazal es analista del sector en AIMultiple, donde se especializa en minería de procesos y automatización de TI.

Ver perfil completo

Sé el primero en comentar

Tu dirección de correo electrónico no será publicada. Todos los campos son obligatorios.

Nombre

Dirección de correo electrónico

Comentario

0/450

Publicar comentario