Seguritecnia 471

SEGURITECNIA Enero 2020 63 Ciberseguridad más de 50 millones de vehículos en cir- culación con características ligadas a la Inteligencia Artificial. Las empresas e in- cluso los usuarios finales necesitan de plataformas seguras, de estrategias de ciberseguridad fiables que sean alta- mente competitivas y con capacidad de apartarse a los nuevos retos. El aprendizaje automático o Ma- chine Learning jugará un papel funda- mental y permitirá reducir costes, ob- tener un alto grado de precisión, po- sibilidad de adaptación a las nuevas circunstancias que se produzcan, re- duciendo al mínimo el número de fal- sos positivos, ya que el software se encargaría de analizar fielmente las vulnerabilidades. No podemos confiar a la suerte ni a la incertidumbre, el “no nos pasará” no tiene cabida en ninguna empresa u or- ganización que se precie. Todos somos objetivos vulnerables, por lo que he- mos de poner el Machine Learning a nuestro servicio y sacar de él todas sus posibilidades aplicadas a la seguridad informática. S de intrusos (IDS) y los de prevención de intrusos (IPS) son la clave en este sen- tido, ya que gracias al Machine Learning aumenta la fiabilidad de los sistemas de defensa. Los sistemas de detección de intru- sos pueden basarse en dos categorías: la heurística y la de reglas. La primera se basa en el comportamiento del tráfico y la segunda en una serie de normas pre- establecidas. En ambos casos, cualquier anomalía se detecta como una ame- naza y hace saltar las alarmas. En un mundo hiperconectado –y que cada vez lo está más– las estrategias de seguridad basadas en el Machine Lear- ning pueden conseguir mayor fiabili- dad, mejor protección y menor vulnera- bilidad ante los ataques. Como hemos referido anteriormente, las incursiones son cada vez más complejas, pero tam- bién las respuestas son más certeras. En ambos casos, esto se produce gracias a la capacidad de autoaprendizaje de es- tas máquinas. Según Jean-Noël Georges, director del Programa Global de Transformación Digital de la consultora Frost & Sullivan, “la tecnología permitirá a las compa- ñías de pruebas crear una capa adicio- nal de experiencia para detectar me- jor las posibles amenazas en tiempo real. La primera capa, basada en el aná- lisis de software lineal tradicional, puede detectar rápidamente una larga lista de vulnerabilidades, que incluirán varios falsos positivos. La segunda, basada en el Machine Learning , será más profunda, permitiendo una mejor detección de vulnerabilidades y reducción de falsos positivos”. Solo hemos de pensar que para 2020 se estima que habrá más de 22.000 mi- llones de dispositivos conectados en el planeta, a los que habremos de sumar ‘Machine Learning’ es capaz de tener una doble cara, dependiendo si se nos presenta como un problema o como una solución