Blog

Autor: Denis Cordero, Arquitecto de Seguridad, Soluciones Seguras en Costa Rica

La protección de soluciones en la nube y servicios web son difícil. Los esquemas de seguridad son sofisticados y requieren un esfuerzo humano muy alto. Las empresas requieren estrategias de ciberseguridad que se basen en un monitoreo continuo, con defensa y mitigación de ataques hacia sus aplicaciones.

La consultora Frost & Sullivan en su estudio estima que para el 2020 se alcance los 22 billones de dispositivos conectados, además de una cantidad de automóviles de más de 50 millones. Técnicas como el aprendizaje automático (Machine Learning) aplicadas a la ciberseguridad pueden optimizar mejor los mecanismos de defensa contra ataques cibernéticos, usando algoritmos de autoaprendizaje en sus capas de protección.

Jean-Noël Georges, director del programa global de transformación de Frost & Sullivan, “Los algoritmos de aprendizaje automático ya están alterando el ecosistema de seguridad cibernética tradicional”. Y es que, en las nuevas estrategias de ciberseguridad ya se plantean adicionar mecanismos que permitan identificar en tiempo real amenazas y vulnerabilidades por medio de un aprendizaje automático profundo.

Machine Learning es un subcampo de la ciencia computacional, en la que se crean algoritmos capaces de aprender y actuar con base a un comportamiento de información pasada. Aplicado en ciberseguridad, permite análisis de registros actuales y pasados para predecir comportamiento de amenazas de forma más precisa y eficaz.

En algunos casos, se puede confundir Machine Learning (ML) con inteligencia artificial (AI), esta última busca emular las habilidades cognitivas del ser humano, mientras que el ML busca aprender de eventos o información del pasado o el presente para predecir acciones futuras.

La inteligencia artificial y Machine Learning están muy relacionadas, ML es el cerebro de la inteligencia artificial ya que tiene como objetivo estudiar los datos de los sistemas.

La ciberseguridad con Machine Learning se puede categorizar en dos grandes grupos: el de los problemas supervisados, el cual ya tiene definido los algoritmos y etiquetas para solventar el problema, y el de los problemas no supervisados, el cual detecta algún elemento diferente tomando como base los algoritmos ya definidos.

El uso de ML con algoritmos supervisados impacta en la ciberseguridad, porque permite a los administradores clasificar el tipo de malware, conocer el vector de ataque, el producto que afecta, el exploit y mucha información de importancia para detectar el ataque. Con los millones de etiquetas y algoritmos de ejemplo pueden detectar malware en aplicaciones y en la red de manera muy efectiva. En los algoritmos para detección no-supervisada, se detecta que la información entrante tiene elementos sospechosos que pueden afectar la organización.

EMPRESAS PROTEGIDAS, EMPRESAS TRANQUILAS Contáctenos

PANAMÁ

Edificio 237, 2do piso
Ciudad del Saber, Panamá
Tel: +507 317-1312
Fax: +507 317-1320
info@sseguras.com

 

 

COSTA RICA

Edificio Atrium piso 3.
Escazú, San José, Costa Rica
Tel: +506-4000 0885
Fax: +506-4001 5822
infocr@sseguras.com

GUATEMALA

Edificio Zona Pradera
Torre IV, Nivel 6, Oficina 608
Boulevard Los Próceres 24-69.
Tel: +502 2261-7101
infogt@sseguras.com

EL SALVADOR

Edificio Vittoria, 5to Nivel,
Calle El Mirador 4814
San Salvador, El Salvador
Tel: +503 2206-6929
infosv@sseguras.com