{"id":6512,"date":"2022-10-03T14:35:25","date_gmt":"2022-10-03T12:35:25","guid":{"rendered":"https:\/\/web.cidai.eu\/behavioral-analytics-inteligencia-artificial-por-la-modelizacion-del-comportamiento-de-las-entidades-en-red\/"},"modified":"2025-12-01T17:51:12","modified_gmt":"2025-12-01T16:51:12","slug":"behavioral-analytics-inteligencia-artificial-por-la-modelizacion-del-comportamiento-de-las-entidades-en-red","status":"publish","type":"post","link":"https:\/\/cidai.eu\/es\/behavioral-analytics-inteligencia-artificial-por-la-modelizacion-del-comportamiento-de-las-entidades-en-red\/","title":{"rendered":"Behavioral Analytics – Inteligencia Artificial por la modelizaci\u00f3n del comportamiento de las entidades en red"},"content":{"rendered":"

Hasta la actualidad, los modelos de seguridad frente a incidentes y amenazas en red se basan en a\u00f1adir diferentes capas de seguridad a la infraestructura. El s\u00edmil lo encontramos con las defensas de un castillo; donde las murallas, cuanto m\u00e1s altas mejor, permiten la defensa de las reliquias. Sin embargo, las fortificaciones monol\u00edticas en entornos digitales han sido una forma efectiva de defensa contra fraude y amenazas digitales; El actual entorno, complejo, hiperconectado y con crecimiento exponencial hace que las tareas de protecci\u00f3n, detecci\u00f3n y respuesta extremadamente dif\u00edciles: el experto en ciberseguridad debe monitorizar un elevado n\u00famero de entidades que generan grandes cantidades de datos por minuto.<\/strong><\/p>\n

Si analizamos el mundo de los ciberataques, nos encontramos con un escenario de organizaciones profesionalizadas y tambi\u00e9n con crecimiento exponencial.  De hecho, los ciberataques son ya una noticia recurrente en todo el mundo, seg\u00fan fuentes del centro de inteligencia de Estados Unidos<\/a>, el n\u00famero de ataques durante el a\u00f1o 2021 aument\u00f3 hasta un 150% respecto al a\u00f1o pasado siendo peque\u00f1as y medianas empresas el objetivo principal de los ciberdelincuentes<\/strong>. Entre los ataques que m\u00e1s afectan a empresas e instituciones encontramos ataques de pesca electr\u00f3nica (Phishing)<\/em>, donde los grupos criminales suplantan la identidad para conseguir informaci\u00f3n confidencial del usuario. Ataques de Ransomware<\/em> basados \u200b\u200ben cifrar datos y secuestrar dispositivos con el fin de pedir recompensas. Por \u00faltimo, ataques de denegaci\u00f3n de servicio (Denial of Service<\/em>) basados \u200b\u200ben colapsar los recursos de servidores inhabilitando los servicios que \u00e9ste pueda ofrecer.<\/p>\n

En los \u00faltimos a\u00f1os, la Inteligencia Artificial (IA) se ha convertido en un gran aliado en la lucha del fraude y las ciberamenazas en el mundo digital dado las capacidades para optimizar y automatizar las tareas de los servicios de respuesta a incidentes<\/strong>. Hasta la actualidad, las t\u00e9cnicas de IA se han basado en la detecci\u00f3n reactiva de amenazas, se determinan los patrones de ataque para detectar ataques futuros, como por ejemplo en los sistemas IPS donde se entrenan sistemas expertos para filtrar tr\u00e1fico potencialmente peligroso. A pesar de la efectividad de los sistemas reactivos, \u00e9stos dejan fuera el principal factor de las ciberamenazas: El factor humano.  En esta l\u00ednea, la investigaci\u00f3n en t\u00e9cnicas centradas en el usuario han tomado relevancia en los \u00faltimos a\u00f1os; Las t\u00e9cnicas de User and Entity Behavior Analytics (UEBA)<\/strong>, donde a trav\u00e9s de la IA se analiza el comportamiento del usuario para ofrecer capacidades tanto reactivas como predictivas hacia ataques latentes.<\/p>\n

Estas t\u00e9cnicas se basan en estudiar el comportamiento pasado, presente y futuro de las interacciones de los usuarios y entidades de una red, permiten determinar el comportamiento normal y\/o esperado de las entidades de una corporaci\u00f3n y toda desviaci\u00f3n en este comportamiento se analiza a trav\u00e9s de algoritmos de IA para buscar y determinar patrones o comportamiento an\u00f3malos, fruto de ciberataques. La principal ventaja de este tipo de t\u00e9cnicas, en comparaci\u00f3n con aquellas puramente reactivas es la flexibilidad en la identificaci\u00f3n agn\u00f3stica de amenazas, capaz de detectar distinto tipo de ataques incluyendo cero-days y la detecci\u00f3n temprana de amenazas: la detecci\u00f3n en los cambios de comportamiento permite detectar las primeras etapas del vector de ataque.<\/strong><\/p>\n

En detalle, las t\u00e9cnicas de UEBA, permiten modelizar el comportamiento del usuario a partir del an\u00e1lisis en dos dimensiones: componente hist\u00f3rica y de grupo.<\/strong> En la primera componente mediante t\u00e9cnicas de inteligencia artificial se permite perfilar al usuario y conocer qu\u00e9 patrones determinan su comportamiento; utilizando por ejemplo t\u00e9cnicas de IA como descomposici\u00f3n en factores singulares, clustering o t\u00e9cnicas estado del arte basadas en el aprendizaje profundo (Deep Learning). Por otra parte, la segunda dimensi\u00f3n recae en comparar de forma sistem\u00e1tica las entidades de la red permiten determinar cambios de comportamiento o anomal\u00edas, en esta dimensi\u00f3n al igual que en el caso anterior existe un amplio abanico de t\u00e9cnicas, siendo las t\u00e9cnicas de clustering las preferidas. En esta l\u00ednea, el proyecto l\u00edder en t\u00e9cnicas UEBA, llamado openueba<\/em><\/a> desarrollado por i2cat, busca determinar el comportamiento de los usuarios con el objetivo de calcular la exposici\u00f3n ante amenazas espec\u00edficas, ayudando al analista a centrar sus esfuerzos en aquellos usuarios con patrones de riesgo que le hacen m\u00e1s propensos a ser afectados por una amenaza espec\u00edfica.<\/p>\n

La tendencia a futuro es que las ciberamenazas seguir\u00e1n con crecimiento exponencial. Viviremos m\u00e1s de ataques, m\u00e1s diversos y afectando a instituciones y entidad hasta ahora inimaginables. Para hacer frente al escenario previsto las t\u00e9cnicas de UEBA, anteriormente descritas, se convertir\u00e1n en un punto clave para la prevenci\u00f3n agn\u00f3stica de amenazas ayudando a construir entornos digitales ciberseguros.<\/p>\n

Referencias<\/h2>\n