Ciberseguridad. IA y Big Data: Una inyección de gran potencial a la ciberinteligencia

Una de las principales tendencias actuales en ciberinteligencia es la incorporación de analítica avanzada de seguridad para optimizar las capacidades de esta estrategia de defensa frente a las amenazas del ciberespacio.

Dado que los ataques son cada vez más sofisticados desde la incorporación de inteligencia artificial, las empresas necesitan defenderse con herramientas más inteligentes que les permitan dar una respuesta eficaz ante cualquier tipo de ataque. La inteligenia artificial (IA) aplicada a la ciberinteligencia es precisamente eso, una respuesta tecnológica a las nuevas exigencias del entorno que ha obligado a las organizaciones a ir más allá en sus modelos de previsión y protección frente a las amenazas digitales.

Aportaciones de IA como la automatización permite acelerar tareas y afinar en las previsiones

Una de las principales aportaciones de la IA aplicada a la ciberseguridad es la automatización, que permite acelerar tareas de ciberinteligencia y afinar con más precisión en las previsiones de posibles amenazas. Gracias a esto, hoy día podemos tener conciencia de una brecha de seguridad en nuestros sistemas de información en un espacio de tiempo mucho más corto.

Con la irrupción de tecnologías emergentes como IA y Big Data, el conocimiento acumulado sobre incidentes, ataques y amenazas conocidas permite la autoconfiguración de nuevas políticas de seguridad en función del entorno de nuestra propia empresa. Hablamos de una ciberinteligencia con mayor grado de autonomía en un ecosistema donde las computadoras aprenden de los datos de la misma forma en la que lo haría un humano (Machine Learning y Deep Learning). Esta IA puede superar en algunos casos las limitaciones humanas en el análisis de seguridad, acelerar la identificación de riesgos y amenazas y optimizar el trabajo de medidas preventivas con los equipos de seguridad.

Cabe destacar que, si bien IA y Big Data se han convertido en tecnologías imprescindibles al servicio de la ciberinteligencia, el componente humano (analista de ciberinteligencia) sigue siendo fundamental, ya que incluso los modelos coginitivos de aprendizaje automático necesitan ser entrenados y monitorizados por esta figura aún imprescindible en este campo.

Tecnología al servicio de la ciberinteligencia

Hoy en día, el análisis de datos se ha hecho más complejo debido a que podemos recabar mucha más información y más variada en un corto espacio de tiempo. Esta celeridad que se impone en el análisis permite a los directivos tomar decisiones en tiempo real y predecir nuevos escenarios si hacemos un uso eficiente de las nuevas tecnologías aplicadas a la cibervigilancia como la Inteligencia Artificial o el Big Data.

Hace tiempo que los datos dejaron de ser un mero registro de actividades para comenzar a interrelacionarse. En este escenario además, prima la inmediatez en la toma de decisiones. Esto exige un enfoque más avanzado de análisis que va más allá de un grupo de expertos con experiencia e intuición. Ya no solo se capturan datos estructurados para recabar información relevante, sino que se abordan grandes volúmenes de información de distinta naturaleza como texto, voz, imagen o vídeo. Es aquí donde entra en escena el Big Data, o aquella tecnología que permite el almacenamiento, transmisión y procesamiento de una cantidad masiva de datos de distinta naturaleza a gran velocidad.

Los algoritmos de IA tienen una extraordinaria capacidad para la predicción

Pero los datos por sí mismos no tienen valor si no hacemos algo útil con ellos. Es junto a modelos de IA como Machine Learning o Deep Learning cuando Big Data adquiere todo su valor. Esta tecnología es capaz de tomar decisiones basadas en el aprendizaje automático sin necesidad de intervención humana; podemos decir que busca patrones de comportamiento basados en datos históricos para aplicarlos en nuevas situaciones desconocidas.

Esa es la característica fundamental de los algoritmos de IA, su extraordinaria capacidad para la predicción. Además, son muy versátiles para trabajar con información de diversa índole, extrayendo patrones de variación de forma mucho más eficiente que los métodos clásicos basados en estadísticas paramétricas, algo que beneficia enormemente las tareas de ciberinteligencia. Cuando la operativa empresarial está muy relacionada con el resultado de algún modelo predictivo, optimizar estos resultados y afinar en su predicción mediante aplicación de IA, representa una ventaja competitiva que se hace imprescindible valorar.

IA, ahora es el momento

A pesar de que los algoritmos matemáticos de IA tienen fundamento teórico desde hace varias décadas, la mayoría necesite grandes volúmenes de datos para entrenarse y calibrarse. Por otro lado, el hardware que exige este nuevo procesamiento de información heterogénea implicaba altos niveles de rendimiento GPU (Unidades de Procesamiento Gráfico), algo que ya se encuentra en la mayoría de las tarjetas gráficas de altas prestaciones a precio asequible.

Por tanto, la creciente aplicación de IA en diversos ámbitos como la ciberinteligencia responde a dos factores desencadenantes: los avances tecnológicos en términos de GPUs, y la disponibilidad de grandes volúmenes de datos para entrenar los algoritmos gracias a Big Data.

La IA no nos proporcionará respuestas útiles si no le formulamos las preguntas adecuadas

Sin embargo, y sobre todo en el campo de la ciberinteligencia, contar con muchos datos y algoritmos de IA, no aporta ningún valor al negocio si no pueden dar respuestas de valor añadido en su ámbito de aplicación, como en este caso, la identificación de amenazas potenciales que pueden comprometer la seguridad de nuestro negocio. Las respuestas son útiles si las preguntas están bien formuladas.

Para que la implantación de IA y Big Data en la estrategia de ciberinteligencia sea un éxito, debemos tener en cuenta los siguientes factores:

1. Verificar la calidad de los datos en términos de consistencia y fiabilidad.
2. IA no sabe juntar fuentes de información, por lo que es necesario entrenar sus algoritmos para determinar un entorno semántico de contexto.
3. Machine Learning es capaz de clasificar y predecir variables, pero éstas no existen por sí mismas, sino que hay que definirlas previamente.
4. Las variables deben ser definidas según problemas concretos que queramos resolver. Recordemos que las respuestas serán útiles si le hacemos a los algoritmos las preguntas correctas.

El factor humano

Ni la IA más avanzada es aún capaz de reemplazar al ser humano. Los algortimos son eficientes sólo si son entrenados y parametrizados por el ser humano. Además, es éste quien decide qué hacer con la información que nos proporciona la máquina en base a los objetivos que le hemos definido previamente. Por otro lado, la realidad de nuestro negocio a menudo es cambiante, por lo que los parámetros de análisis de nuestra IA deben ser actualizados continuamente.

Es la colaboración entre las inteligencias humana y artificial la que aporta las mayores garantías de éxito en la consecución de los objetivos de negocio. Para incorporar IA en nuestro plan de ciberinteligencia, debemos incorporar necesariamente perfiles que dominen esta tecnología para optimizarla y hacerle las preguntas adecuadas, además de comprender el funcionamiento del negocio para el que estamos desarrollando nuestro plan de defensa.