Tendencía b. IA

 Inteligencia Artificial Defensiva y Modelado Predictivo

Por medio del uso de IA se avanzan procedimientos de análisis que sirven para prevenir de ataques por medio de la detección de anomalías en los perfiles de los usuarios, es así como se trabaja principalmente en tres metodos:

    Perfilado de Identidad y Contexto (User and Entity Behavior Analytics - UEBA): Los modelos     analizan variables multidimensionales como la velocidad de desplazamiento geográfica (imposibilidad de iniciar sesión en dos países distintos en cuestión de minutos), las horas habituales de acceso, los patrones de pulsación de teclas, los recursos de red consultados y el tipo de dispositivo utilizado.

    Aprendizaje No Supervisado para la Detección de Valores Atípicos: Como la gran mayoría del tráfico y comportamiento corporativo es legítimo, se emplean algoritmos de aprendizaje no supervisado (como Isolation Forests, máquinas de vectores de soporte de una clase o autocodificadores neuronales) para identificar desviaciones sutiles sin necesidad de conocer previamente la firma del ataque.

    Análisis de Secuencias Temporales: Mediante redes neuronales recurrentes (RNN) o arquitecturas basadas en Transformers, los modelos evalúan la intención detrás de una cadena de acciones. Un comando ejecutado de forma aislada puede ser inocuo, pero precedido por una secuencia específica de consultas de privilegios, se interpreta como un indicador temprano de movimiento lateral.

https://impactotic.co/ciber-seguridad/ia-y-fallas-de-identidad-el-nuevo-motor-del-cibercrimen/

Bibliografía:

Shashanka, M., Shen, M.-Y., & Wang, J. (2016). User and entity behavior analytics for enterprise security. 2016 IEEE International Conference on Big Data (Big Data), 1867–1874. https://www.shashanka.net/stuff/shashanka_BigData2016.pdf

European Union Agency for Cybersecurity. (2025). ENISA threat landscape 2025. Publications Office of the European Union. https://www.enisa.europa.eu/publications/enisa-threat-landscape-2025

Shi, T., McCann, R. A., Huang, Y., Wang, W., & Kong, J. (2024). Malware detection for Internet of Things using one-class classification. Sensors, 24(13), 4122. https://doi.org/10.3390/s24134122