Quien más o quien menos ha escuchado hablar o ha visto la conocida película Blade Runner, del afamado director Ridley Scott. Esta película futurista de 1982 recrea un mundo donde las máquinas son capaces de pensar por sí mismas y tomar decisiones.
Quien más o quien menos ha escuchado hablar o ha visto la conocida película Blade Runner, del afamado director Ridley Scott. Esta película futurista de 1982 recrea un mundo donde las máquinas son capaces de pensar por sí mismas y tomar decisiones.
En los años 80, la idea de que las máquinas tuvieran tanto nivel de autonomía, gracias a la inteligencia artificial, podría parecer muy lejana, a pesar de los grandes avances en computación de la época.
Sin embargo, hoy día, pensar en que puedan desarrollar esta capacidad se considera algo mucho más cercano y capaz de convertirse en una realidad muy pronto.
Sin duda uno de los casos más sorprendentes es el robot humanoide Erica, creada por el profesor Hiroshi Ishiguro, y que es capaz de mantener una conversación de forma natural e incluso hacer bromas.
Sin embargo, la Inteligencia Artificial no tiene por qué aparentar la forma de un ser humano. En este sentido, otro caso muy sonado es el del vehículo sin conductor de Google.
Año tras año, mes tras mes, investigadores de todo el mundo avanzan en el desarrollo de nuevas aplicaciones basadas en esta disciplina, y como no podía ser menos, el sector de la ciberseguridad también tiene mucho que ofrecer en este sentido.
De hecho, la reconocida consultora TATA ha sido muy clara al respecto, “la ciberseguridad es el sector que más está empujando la adaptación de su tecnología hacia la Inteligencia Artificial”. Por otro lado, también afirman en su estudio sobre Tendencias Globales que las compañías esperan implementar la AI en otras áreas más allá del IT, de manera que se espera que en el 2020 esté presente en casi todas las áreas de una compañía.
Debido a ello, en el mercado de la ciberseguridad se escuchan cada vez más terminologías de este tipo asociadas a productos y soluciones.
En términos generales, la Inteligencia Artificial es la disciplina que impulsa la simulación de procesos de la inteligencia humana en máquinas. Básicamente para que aprendan por sí mismas. Dentro de ella, se encuentra la especialización del Machine Learning, que implica a aquellas máquinas capaces de aprender de forma dirigida. Por último, como un subconjunto del Machine Learning, encontramos el Deep Learning o aprendizaje profundo, en el que las máquinas son capaces de aprender por sí solas.
EL MACHINE LEARNING DENTRO DE LA INTELIGENCIA ARTIFICIAL
Tal y como su nombre indica, se trata de dirigir a una máquina para que sea capaz de aprender, resolver problemas y tomar decisiones.
Basada en modelos estadísticos, para conseguirlo se induce un ejemplo o un estímulo (parseo de datos) que es procesado por los algoritmos para extraer un modelo sobre el cual se tomarán las decisiones de forma automática. La clave del éxito será elegir de forma apropiada el estímulo con el que alimentar la inteligencia.
Un ejemplo claro podría ser el buscador de Google. Millones de personas realizan determinadas búsquedas en función de donde viven, del horizonte temporal, etc. Conforme hacen clic en los enlaces de interés, el buscador puede desarrollar su propio modelo para adelantar todo tipo de tendencias.
EL DEEP LEARNING DENTRO DEL MACHINE LEARNING
El Deep Learning es una especialización del Machine Learning en la cual los propios algoritmos de la máquina deben aprender por sí mismos a través de sus propios criterios para llegar a tomar las decisiones.
Estos algoritmos están basados en redes de neuronas y capas, que funcionan como si fueran un pequeño cerebro. La clave del éxito radica en definir cómo será la arquitectura de este cerebro.
Por ejemplo, se utiliza hoy día para mejorar las predicciones de terremotos, o la magnitud que pueden llegar a tener.
El siguiente diagrama sirve de resumen para reconocer rápidamente de qué tecnología se está hablando.
DEEP LEARNING CONTRA EL MALWARE Y EL FRAUDE ONLINE
El sector del crime-as-a-service evoluciona rápidamente poniendo a disposición de los cibercriminales nuevos desarrollos cada vez más innovadores y que aseguren el éxito de sus objetivos.
Estos desarrollos se han convertido en amenazas dinámicas, capaces de adaptarse a la seguridad que despliegan los usuarios y las organizaciones para combatir el cibercrimen.
En este sentido, la clasificación del malware es, sin duda, uno de los grandes retos. El malware que hoy parece “de moda”, mañana ya está obsoleto y es sustituido por otro con nuevas características totalmente diferentes o mejoradas.
A la par, los malware más actuales conviven todavía con formas más anticuadas, que se siguen utilizando por cibercriminales sin un soporte de innovación. Por tanto, la clasificación en el ecosistema cibercriminal es muy compleja.
Ante un contexto como éste, las listas negras e indicadores de compromiso (IOCs) propios del Cyber Threat Intelligence no resuelven por sí solos la amenaza, que en cuanto detecta que ha sido identificada, se transforma.
La gran fortaleza del Deep Learning para ciberseguridad es que permite aprender de este dinamismo en tiempo real y desarrollar los nuevos criterios de clasificación sin intervención humana. Gracias a ello la detección y clasificación se hace muchísimo más efectiva y proactiva.
Por otro lado, las aplicaciones son infinitas, en el caso de buguroo, por ejemplo, también lo utilizamos junto a nuestro desarrollo de identificación basado en biometría del comportamiento (biometric behavior), nos permite reconocer rápidamente si es una persona la que interactúa con su ordenador o un bot, si hay un cibercriminal intentando suplantar la identidad del usuario (Account TakeOver), o si hay un cibercriminal interactuando con la cuenta de un usuario desde cualquier parte del mundo (Remote Access Trojan).