El aprendizaje de las máquinas también puede ayudar a los ciberataques
Los hackers bien preparados pueden obtener del algoritmo suficiente información para perpetrar sus amenazas.
El aprendizaje automático de las máquinas (‘machine learning’) está siendo una de las principales tendencias en ciberseguridad en este 2017, pero los hackers suficientemente inteligentes pueden aprovechar lo que hace el algoritmo para perpetrar sus amenazas.
“La preocupación es encontrar un adversario capaz de controlar nuestros sistemas inteligentes, con un gran entorno de datos“, ha afirmado Deborah Frincke, responsable de la unidad de investigación de la NSA, en declaraciones a ZDNet.
Una organización puede decidir usar el ‘machine learning’ para implementar la seguridad de sus propias redes, pero, ¿qué pasa si un atacante entra en la red incluso antes de que comience el proceso de aprendizaje de la máquina?
En 2016, Tom Drummond, un profesor de la Universidad de Monash, descubrió que las redes neuronales, uno de los enfoques fundamentales del aprendizaje de las máquinas, pueden desviarse sin retorno, a menos que se les diga por qué están equivocadas.
Por su propia naturaleza, la defensa de la red es asimétrica. Ese desequilibrio exige que el defensor (la empresa) detecte y cierre todas sus vulnerabilidades de seguridad, mientras que al atacante le vale con estar en el sitio correcto una sola vez.
Si los datos se procesan en la nube, una posibilidad para las empresas podría ser duplicar sus datos en muchos nodos, más de lo que normalmente utilizaría y cambiar entre ellos, pero otras investigaciones del mercado ha demostrado que este enfoque aumenta la carga cognitiva del atacante, que juega con sus sesgos cognitivos.
