Un estudio realizado por la Agencia de Ciberseguridad de Catalunya ha concluido que los modelos de aprendizaje de la inteligencia artificial pueden ayudar a mejorar la predicción de futuros ciberataques. La investigación ha aplicado técnicas de aprendizaje profundo y de aprendizaje automático de la IA para predecir ciberataques en zonas geográficas concretas.
Los resultados son prometedores si se comparan con los métodos clásicos que se utilizan actualmente en ciberseguridad. A través del uso de técnicas avanzadas de inteligencia artificial se pueden descubrir e identificar tendencias de ciberataques que no son evidentes en un período temporal concreto.
Este hallazgo es un primer avance significativo, aunque el estudio también avanza que es necesario implementar nuevas técnicas para evitar las elevadas fluctuaciones que todavía se registran a la hora de realizar predicciones, señala la Agencia.
La investigación demuestra también que la creación de una gran red de honeypots –mecanismos de ciberseguridad diseñados para detectar, desviar y analizar actividades maliciosas– es fundamental para detectar las principales amenazas emergentes.
Para realizar el análisis, se ha utilizado una técnica para segmentar datos no clasificados e identificar patrones, llamado análisis de clúster, y los resultados han sido reveladores. Se ha identificado que los archivos maliciosos que ya constan en la base de datos VirusTotal se concentran en unos pocos honeypots.
En cambio, los archivos maliciosos no reconocidos se distribuyen de forma mucho más uniforme en los distintos honeypots . Estos archivos no reconocidos suponen un punto ciego para la ciberseguridad y, por tanto, representan una amenaza potencial. Todo ello sugiere que si se construye una extensa red de honeypots , se podrán detectar más y mejor las potenciales ciberamenazas.
El artículo científico, titulado ‘Mejora de la inteligencia en ciberseguridad mediante el aprendizaje automático: análisis de agrupamiento y predicción de datos de honeypot‘, se presenta en el marco del No cON Name Congress (18-20 de noviembre) y se ha elaborado después de analizar los datos de más de 200 sensores honeypot distribuidos en 55 países y recopilados por la Global Cyber Alliance entre noviembre de 2021 y febrero de 2024. Los autores de la investigación son David Rosado, Tomàs Roy , Santiago Romeu e Isart Canyameres.
