Ciberdefensa inteligente: uso de IA para detección y respuesta autónoma ante amenazas digitales

La metodología utilizada para realizar la búsqueda de artículos bibliográficos sobre el uso de la IA para optimizar a la ciberseguridad fue la metodología PRISMA. Para ello se usó como base de datos a Google Scholar, Scopus, IEEE Xplore y finalmente ERIC, en la búsqueda se empleó palabras claves como “ciberseguridad”, “Inteligencia artificial” y “protección de datos”. Tras obtener la información relacionada con el tema, se procedió a seleccionar las partes que podrían ser relevantes en la investigación, luego se selecciono los artículos que abordaban el tema “uso de la inteligencia artificial para optimizar a la ciberseguridad” y que profundizaban en detección, combate y viabilidad. Inicialmente identificamos 82 artículos potencialmente relevantes, pero después de una revisión crítica, se seleccionaron cuidadosamente 5 artículos que cumplían con lo que se requería. Esta selección se basó en la profundidad de la investigación, rigurosidad metodológica y la contribución a nuestro campo d...

Como sabemos en la actualidad la creciente digitalización de servicios y la expansión de infraestructuras inteligentes han expuesto a las empresas, gobiernos y usuarios a amenazas cibernéticas cada vez más complejas y aun más difíciles de detectar. Para ello la inteligencia artificial ha surgido como una solución innovadora en este campo, permitiendo así detectar intrusiones, analizar malware y anticipar riesgos mediante técnicas como el aprendizaje automático y el análisis de datos. Sin embargo, a pesar de los avances aun persisten algunas limitaciones que dificultan su adopción de manera efectiva en escenarios reales. Entre los principales retos se encuentran la falta de replicabilidad de los modelos, la necesidad de grandes volúmenes de datos para entrenar algoritmos, la dificultad de adaptación a las nuevas amenazas que van surgiendo conforme avanza la tecnología y la vulnerabilidad frente a los ciberataques diseñados para engañar a los sistemas inteligentes. Además, el uso de IA ...

Porque a pesar del impresionante potencial de la inteligencia artificial (IA) en la ciberseguridad, su implementación real y efectiva enfrenta varios desafíos técnicos y prácticos. Si bien la IA promete mejorar la detección de intrusiones, el análisis de malware y la protección contra ataques cibernéticos, no está exenta de limitaciones. Uno de los principales problemas que se nos menciona en la problemática es la falta de explicabilidad de muchos modelos de IA en las cuales las soluciones más complejas, como las redes neuronales profundas, suelen ser opacas, lo que vendría a dificultar la interpretación de sus decisiones, esto es especialmente problemático en entornos de alta seguridad como vendrían a ser empresas y bancos, donde es esencial entender cómo y por qué se generan ciertas alertas y es ahí cuando se resalta la necesidad de la IA explicable (XAI) la cual como su nombre lo indica  busca hacer que los modelos sean más transparentes y comprensibles. Otro obstáculo en la i...

A pesar de los avances significativos en la inteligencia artificial aplicada a la ciberseguridad, su implementación en entornos reales en la actualidad sigue viéndose limitada debido a la falta de explicabilidad de los modelos, la escasez de datos etiquetados adecuados y la vulnerabilidad ante ciberataques mas elaborados. Los sistemas de IA, especialmente aquellos basados en aprendizaje automático para la detección de intrusiones, dependen en gran medida de grandes volúmenes de datos históricos los cuales a menudo no reflejan las últimas amenazas limitando de esta manera su efectividad en situaciones de ataque emergentes. La IA utilizada en entornos controlados no siempre se adapta bien a las variabilidades y complejidades de las redes reales, donde los modelos deben ser capaces de manejar una variedad de dispositivos y situaciones imprevistas. Para superar estos desafíos, se investiga el uso de enfoques híbridos los cuales  combinen IA con métodos tradicionales de ci...

Antecedentes:  Kaur, R., Gabrijelčič, D., & Klobučar, T. (2023). Artificial intelligence for cybersecurity: Literature review and future research directions. Information Fusion, 97 , 101804.  https://www.sciencedirect.com/science/article/pii/S1566253523001136 Zhang, Y., Li, X., & Wang, J. (2023). Application of machine learning algorithms for intrusion detection in network security. Journal of Network Security, 15 (2), 112-123. Retrieved from https://www.sciencedirect.com/science/article/pii/S2468047023000107 Salem, A. H., Azzam, S. M., Emam, O. E., & Abohany, A. A. (2024). Advancing cybersecurity: A comprehensive review of AI-driven detection techniques. Journal of Big Data, 11, Article 105.  https://doi.org/10.1186/s40537-024-00957-y Schmitt, M. (2022, October). Securing the digital world: Protecting smart infrastructures and digital industries with Artificial Intelligence (AI)-enabled malware and intrusion detection.  https://arxiv.org/abs/2210.12345 Z...