Aplicaciones de Inteligencia Artificial en escenarios de ciberdelincuencia y ciberseguridad - Ósc...

Summary

En esta presentación, Óscar Rodríguez, CTO de Raven Loop, aborda el tema de la Inteligencia Artificial (IA) y su integración en la ciberseguridad. Explicando desde una perspectiva didáctica, se centra en cómo la IA puede mejorar la detección y respuesta a amenazas, utilizando técnicas de aprendizaje profundo y aprendizaje automático. Destaca la importancia de trabajar con grandes conjuntos de datos y el uso de un 'data lake' para la normalización y acceso rápido de información. Ejemplifica con casos prácticos y muestra cómo Raven Loop ha desarrollado soluciones que aplican IA para la detección de malware, análisis de tráfico y generación de inteligencia, con el fin de automatizar procesos y reducir tiempos de respuesta en la seguridad cibernética.

Takeaways

• 😀 Óscar Rodríguez, CTO de Raven Loop, da una conferencia sobre Inteligencia Artificial (IA) y su relación con la ciberseguridad y la ciberinteligencia.
• 🛡️ Raven Loop es una empresa especializada en soluciones de ciberseguridad potenciadas por IA, con fundadores provenientes del ámbito de la defensa.
• 🤖 La IA se define como el uso de la informática y conjuntos de datos para resolver problemas, realizando predicciones o clasificaciones basadas en datos.
• 📈 Los campos principales de la IA son el aprendizaje profundo (Deep Learning) y el aprendizaje automático (Machine Learning), siendo el primero una versión avanzada del segundo.
• 🧐 La IA puede aplicarse a una amplia gama de soluciones, incluso a electrodomésticos, aunque su utilidad en ciertos contextos puede ser cuestionada.
• 🔧 Raven Loop utiliza IA en soluciones como el análisis de archivos multimedia con Deep Learning y la detección de anomalías en tráfico con Machine Learning.
• 🔗 La integración de IA en soluciones de ciberseguridad puede mejorar la rapidez y eficacia en el proceso de aprendizaje, toma de decisiones y correlación de respuestas.
• 🔍 Raven Loop ha desarrollado un sistema heterogéneo para unificar información en un data lake, facilitando el acceso a datos normalizados y estandarizados para el procesamiento de algoritmos.
• 🛑 Los sistemas de IA no son deterministas y pueden fallar, por lo que es fundamental un buen pipeline de reentrenamiento y reevaluación para ajustar su rendimiento.
• 🔗 La IA completa o autónoma de Raven Loop puede tomar decisiones integradas con sistemas de seguridad existentes, permitiendo respuestas en tiempo real y la generación de contramedidas.
• 🚀 Raven Loop está enfocada en el desarrollo de una plataforma unificada que incorpore múltiples módulos de análisis y seguridad, con el objetivo de facilitar la interpretación y justificación de decisiones de seguridad.

Q & A

¿Quién es Óscar Rodríguez y qué papel desempeña en Riven Loop?

Óscar Rodríguez es el CTO (Chief Technology Officer) de Riven Loop, una empresa especializada en soluciones de ciberseguridad y ciberinteligencia potenciadas por inteligencia artificial.

¿Cuál es el enfoque de Riven Loop en cuanto a la ciberseguridad y la ciberinteligencia?

Riven Loop se enfoca en la generación de inteligencia a partir de amenazas conocidas, utilizando sistemas de evaluación para generar contramedidas en tiempo real, en lugar de solo protegerse de vectores de ataque.

¿Qué ejemplo didáctico utilizó Óscar Rodríguez para introducir el tema de la inteligencia artificial (IA) en su charla?

Óscar Rodríguez utilizó el ejemplo de una lavadora con inteligencia artificial, cuestionando qué ventaja aporta la IA en un electrodoméstico y cómo se aplica la IA en este contexto.

¿Qué es la inteligencia artificial según IBM y cómo se relaciona con la IA en Riven Loop?

Según IBM, la inteligencia artificial es el uso de la informática y conjuntos de datos para resolver problemas, realizar predicciones o clasificaciones. En Riven Loop, la IA se aplica para automatizar el proceso de aprendizaje, toma de decisiones y correlación de respuestas, mejorando la rapidez y eficacia en la ciberseguridad.

¿Cuáles son los dos campos principales de la inteligencia artificial mencionados en la charla y cómo se diferencian?

Los dos campos principales son el aprendizaje profundo (Deep Learning) y el aprendizaje automático (Machine Learning). El Deep Learning es una versión avanzada del Machine Learning que utiliza redes neuronales de al menos tres capas para facilitar el proceso de extracción de características.

¿En qué áreas ha aplicado Riven Loop la inteligencia artificial en sus soluciones?

Riven Loop ha aplicado la IA en áreas como el análisis de archivos multimedia con Deep Learning, la detección de anomalías en tráfico con Machine Learning, y la creación de un datalake que normaliza y clasifica información para su uso en algoritmos de IA.

¿Qué es un datalake y cómo se relaciona con la estrategia de IA de Riven Loop?

Un datalake es una gran colección de datos que se almacena en un formato estándar y accesible para su uso en algoritmos de IA. En Riven Loop, el datalake permite a los módulos y pipelines de sus soluciones acceder rápidamente a información normalizada y estandarizada para mejorar la toma de decisiones.

¿Cómo describe Óscar Rodríguez el proceso de toma de decisiones en un sistema de IA completa o autónoma?

Un sistema de IA completa o autónoma es capaz de tomar decisiones por sí mismo, integrándose con sistemas de seguridad existentes para generar contramedidas en tiempo real o activar reglas de nación predefinidas, lo que reduce significativamente los tiempos de respuesta en la gestión de amenazas.

¿Qué es Rivenside y cómo se ha transformado en la plataforma principal de Riven Loop?

Rivenside es una plataforma de análisis forense de malware y motor de la herramienta Ada de Riven Loop. Se ha transformado en la plataforma principal que incorporará módulos adicionales como análisis de identidades, auditoría, pen testing, análisis de correo, tráfico y Machine Learning/Deep Learning para mejorar la detección y respuesta a amenazas.

¿Cómo ayudan las soluciones de Riven Loop a reducir la carga de trabajo del personal de respuesta a incidentes?

Las soluciones de Riven Loop, al integrar sistemas de IA completos y autónomos, reducen significativamente los tiempos de respuesta y la cantidad de alertas que requieren atención manual, lo que permite al personal de respuesta a incidentes centrarse en tareas más complejas y críticas.

Outlines

00:00

😀 Presentación de la jornada y Raven Loop

El presentador, Óscar Rodríguez, comienza su intervención expresando su agradecimiento a la audiencia y presenta su rol como CEO de Raven Loop, una empresa especializada en soluciones de inteligencia artificial y ciberseguridad. Destaca que el enfoque de la empresa proviene del ámbito de la defensa y que trabajan en el desarrollo de herramientas como la plataforma Ada y cursos de análisis de malware. La presentación pretende ser didáctica, explicando cómo la inteligencia artificial se relaciona con la ciberseguridad y cómo se puede aplicar para mejorar la toma de decisiones y la eficacia en respuesta a amenazas.

05:00

🤖 Aplicación de la IA en soluciones de ciberseguridad

Se profundiza en cómo Raven Loop utiliza la inteligencia artificial para mejorar la ciberseguridad, enfocándose en el aprendizaje automático y el aprendizaje profundo. Se menciona el uso de redes neuronales para analizar archivos multimedia y técnicas de Machine Learning para detectar anomalías en tráfico. Además, se discute la importancia de trabajar con sistemas no deterministas y la necesidad de un buen pipeline de reentrenamiento para ajustar los resultados de los sistemas de IA a las necesidades específicas de la empresa.

10:04

🔍 Ejemplo práctico de IA en el análisis de correos electrónicos

El script presenta un escenario hipotético donde se detecta un correo electrónico malicioso utilizando una solución de análisis de correo. Se describe el proceso de análisis en Raven Side, donde se confirma la malicia del correo y se envían evidencias a un data lake para su posterior análisis. Se destaca cómo la IA puede acelerar este proceso, reduciendo la carga de trabajo y permitiendo respuestas más rápidas frente a amenazas, como la detección de malware y la clasificación de amenazas.

15:06

🛡️ Sistemas de seguridad autónomos y la plataforma Raven Side

Se concluye la presentación con una comparación entre sistemas de seguridad basados en aprendizaje automático y sistemas de inteligencia artificial completa. Se enfatiza la reducción significativa en los tiempos de respuesta y la capacidad de los sistemas autónomos para generar contramedidas en tiempo real. Se presenta la plataforma Raven Side como una solución integral que integra módulos de análisis de identidades, auditoría, análisis de correo, tráfico y ML para proporcionar una solución de seguridad más eficiente y proactiva.

Keywords

💡Inteligencia artificial

La inteligencia artificial (IA) es un campo de la informática que se refiere a la capacidad de las máquinas de realizar tareas que normalmente requieren inteligencia humana, como la resolución de problemas, la toma de decisiones y el aprendizaje. En el video, se menciona que la IA es esencial en el ámbito de la ciberseguridad y la ciberinteligencia, y se utiliza para mejorar la eficacia y rapidez en la detección y respuesta a amenazas.

💡Ciberseguridad

La ciberseguridad es la práctica de proteger sistemas de computadoras, dispositivos y datos de la destrucción, el robo o la alteración no autorizada. El video destaca cómo la IA puede integrarse con la ciberseguridad para fortalecer las medidas de protección y responder de manera proactiva a las amenazas cibernéticas.

💡Ciberinteligencia

La ciberinteligencia es la aplicación de prácticas de inteligencia para proteger a una organización de amenazas en el espacio cibernético. En el contexto del video, se discute cómo la IA puede ser utilizada para analizar y comprender mejor las amenazas en línea y generar inteligencia para contramedidas.

💡Deep learning

El deep learning es una subárea de la IA que se centra en redes neuronales profundas con múltiples capas. En el video, se menciona que el deep learning facilita el proceso de extracción de características y la generación de datasets, lo que es crucial para el análisis de archivos multimedia y la detección de amenazas.

💡Machine learning

El machine learning es una rama de la IA que permite a las máquinas aprender y mejorar a través de la experiencia sin ser programadas explícitamente. En el video, se describe cómo el machine learning se utiliza para la detección de anomalías en tráfico y la toma de decisiones en tiempo real.

💡Datalake

Un datalake es una gran colección de datos crudos que se almacena en un formato estándar para su análisis y procesamiento. En el video, se explica que el datalake es fundamental para la IA, ya que almacena información normalizada y accesible para ser utilizada por algoritmos de IA para la toma de decisiones.

💡Anomalías

Las anomalías son eventos o patrones que se desvían del comportamiento esperado. En el video, se menciona que la detección de anomalías es una aplicación clave del machine learning, permitiendo la identificación de actividades sospechosas en el tráfico de red.

💡Detección de malware

La detección de malware es el proceso de identificar y prevenir software malicioso. En el video, se destaca cómo la IA, especialmente el deep learning, se aplica en la detección de malware mediante el análisis de archivos y la comparación con datasets de malware conocidos.

💡Raven Loop

Raven Loop es una empresa mencionada en el video que se dedica a la fabricación de soluciones de ciberseguridad y ciberinteligencia potenciadas por la IA. La empresa tiene una perspectiva de defensa y trabaja con el sector público, desarrollando herramientas como la plataforma de análisis de malware Ada.

💡Ravenside

Ravenside es una plataforma de análisis de software y motor de la herramienta Ada mencionada en el video. Se está transformando en una plataforma principal que incorporará módulos de análisis de identidades, auditoría y otros para mejorar la detección y respuesta a amenazas cibernéticas.

Highlights

Presentación de Óscar Rodríguez, CTO de Raven Loop, en un evento sobre inteligencia artificial y ciberseguridad.

Raven Loop es una empresa especializada en soluciones de ciberseguridad potenciadas por inteligencia artificial.

Fundadores de Raven Loop con antecedentes en defensa y enfoque en la generación de soluciones desde una perspectiva de defensa.

Desarrollo de soluciones de seguridad tradicional enfocado en vectores de ataque y protección contra amenazas conocidas.

Uso de la inteligencia artificial para extraer información de amenazas y generar contramedidas en tiempo real.

Importancia de la automatización de aprendizaje y toma de decisiones en la ciberseguridad con inteligencia artificial.

Ejemplo de inteligencia artificial en electrodomésticos y su aplicación en el contexto de la ciberseguridad.

Definición de inteligencia artificial según IBM: uso de informática y conjuntos de datos para resolver problemas.

Diferenciación entre aprendizaje profundo (Deep Learning) y aprendizaje automático (Machine Learning).

Aplicación de técnicas de inteligencia artificial en Raven Side para análisis de archivos multimedia.

Uso de Machine Learning en la detección de anomalías en tráfico y redes 5G.

Integración de sistemas de inteligencia artificial no deterministas y la necesidad de un buen pipeline de reentrenamiento.

Creación de un datalake para la normalización y estandarización de información en soluciones de ciberseguridad.

Proceso de análisis y correlación de amenazas en tiempo real utilizando inteligencia artificial autónoma.

Implementación de contramedidas en tiempo real mediante la integración de sistemas de seguridad y IA.

Comparación entre sistemas de seguridad basados en aprendizaje automático y sistemas de IA completa.

Uso de mecanismos generativos en otros campos y su potencial aplicación en la generación de contramedidas de seguridad.

Transformación de Raven Side en la plataforma principal para la integración de módulos de análisis y seguridad.

Integración de sistemas de análisis forense, extracción de indicadores y generación de inteligencia en plataformas de seguridad.

Objetivo de generar sistemas de seguridad portables, fáciles de interpretar y justificar.

Inclusión de análisis automático con inteligencia artificial en el pipeline de seguridad para mejorar la detección y respuesta.

Transcripts

[Música]

[Música]

pues Buenas tardes a todos Muchas

gracias por asistir gracias a los que

nos ven bienvenidos Un año más a estas

jornadas yo

soy Óscar Rodríguez cto de riven Loop

como como os han comentado H est un

puesto aquí Esto va a ser un poco

difícil para m me gusta mucho

andar y os voy a contar un poquito He

venido a hablar de Inteligencia

artificial todos los años queremos hacer

una ponencia un poco didáctica la cual

cogemos la bw del año no y hablamos un

poco eh De qué es lo que supone de cómo

cómo intercala con todo lo que está

ocurriendo en el panorama de la

ciberseguridad la ciberinteligencia y

este año vamos a hablar de Inteligencia

artificial Pero cómo no a ver al revés

Ahí está pero cómo no vamos a empezar

haciendo es resumen para que los que no

nos han oído nunca sepan Quiénes somos

bueno Nosotros somos Raven Loop Raven

Loop es una empresa eh fabricante de

soluciones de civil inteligencia Y

ciberseguridad potenciadas por

Inteligencia artificial y generadas

desde su concepto desde una perspectiva

de la defensa los fundadores venimos del

mundo de la defensa Y tenemos una óptica

muy particular que aplicamos a la hora

de desarrollar estas

soluciones trabajamos con el sector

público nos conoceréis alguno por ser eh

los desarrolladores de la plataforma de

la herramienta Ada del

ccnc o por dar los cursos de análisis de

malware y eh intentamos integrar todo lo

que hacemos dentro de esa estrategia de

defensa común

por hacer así un poco de de resumen de

cómo enfocamos Nosotros todo lo que

tiene que ver con ciberseguridad y

ciberinteligencia

nosotros entendemos que las soluciones

de seguridad tradicional se enfocan en

los vectores de ataque desplegando

medidas de protección y intentando

Evitar que las amenazas conocidas

lleguen a nuestros sistemas cuando

aplicamos ti inteligencia lo que hacemos

Es extraer esa información de esas

amenazas para generar inteligencia

eh alimentar un correlador y utilizar

sistemas de evaluación para generar

contramedidas en tiempo

real ahora lo que vamos a intentar

explicaros es cómo además podemos

utilizar Inteligencia artificial para

automatizar el proceso de aprendizaje de

toma de decisiones de correlación de

respuesta Lo que nos va a aportar

rapidez y

eficacia Así que tenía que quitarme un

poco Esto vale vamos a empezar eh

hablando por fin de la bw del 2023 que

es la Inteligencia artificial todos los

años me gusta poner un

ejemplo para que lo tengamos en la

cabeza no eh El ejemplo de este año es

un poco extraño el otro día caí como

todo el mundo no en la boragina el Black

Friday tenía que que comprar unas cosas

para la casa y me hacían falta

electrodomésticos fui a que me

recomendaran una lavadora y al final me

recomendaron una porque era buenísima

porque tenía Inteligencia

artificial

la lavadora entonces claro yo me quedo

pensando un rato Oye Qué ventaja me

aporta a mí que una lavadora tenga

Inteligencia artificial o cómo leches

aplica una lavadora a la Inteligencia

artificial no Bueno vamos yo yo llego no

ahí en el en el centro comercial me

pongo a hacer una pequeña investigación

y digo vamos a ver vamos a ver primero

vamos si tenemos Claro que es la

Inteligencia artificial bueno según IBM

que son una empresa de renombre en en

esto que se refiere a la investigación y

las medidas punteras de Inteligencia

artificial Ellos dicen que la

Inteligencia artificial es el uso de la

informática la computación y conjuntos

de datos para resolver problemas es

decir ellos hacen dicen que es una

forma una una una operación que nos

permite realizar predicciones o

clasificaciones basadas en los datos que

nosotros le vamos a meter vamos igual

Qué hace una persona no la alimentas con

una inteligencia con una información y

esta persona va a tomar una serie de

decisiones claro yo Esto me lo llevo a

lavadora y digo y Qué se supone que que

va a hacer la lavadora o sea va a

clasificar la ropa de los niños que meto

o o o si estoy mezclando colores o bueno

Total que resulta que la Inteligencia

artificial tiene dos Campos principales

que son el aprendizaje profundo el Deep

learning y el aprendizaje automático que

es el Machine learning siendo el Deep

learning una versión avanzada del

Machine learning vale la única

diferencia es que el Deep learning son

redes neuronales de al menos eh tres

capas hasta ahí nosotros

entendemos esos esos dos factores

principales y explicamos un poquito más

el aprendizaje profundo este Deep

learning no va a ser un poco más

automático va a facilitarnos el proceso

de extracción de características ese

tagado esa generación del del dataset

esa interpretación y el Machine learning

va a ser un poco eh menos preciso menos

específico menos fácil

pero también tiene sus sus

aplicaciones yo llegados a este punto

sigo con la misma duda no O sea Qué es

qué es lo que va de qué sirve aplicar

Inteligencia artificial a algo que

Aparentemente no la va a necesitar eso

una pegatina que voy a poner es algo que

yo le voy a decir a cualquier cosa Ahora

en 2024 para que para intentar rescar

unas ventas no a nosotros eso lo

teníamos muy claro y dijimos No si vamos

a aplicar Inteligencia artificial tiene

que de tener un sentido tiene que ser

porque Hemos llegado a un nivel de

madurez en el desarrollo de nuestras

soluciones que requiere un paso más y

que requiere más eficacia o que nos va a

permitir

eh llegar a a a a nuevos lugares no

Bueno pues nosotros empezamos a aplicar

eh Inteligencia artificial por ejemplo

en nuestra solución de análisis de

ficheros ravenside que es el motor de la

herramienta Ada hemos empezado a aplicar

técnicas de eh Inteligencia artificial

en este caso la que veis en la imagen de

Deep learning para utilizar estas redes

neuronales para el análisis de ficheros

multimedia por ejemplo aplicándolo a

vídeos extrayendo las imágenes

detectando objetos eh extrayendo audio

eh haciendo traducciones

simultáneas a veces obviamente no es

necesario ir al Deep learning podemos

quedarnos en el Machine learning por

ejemplo la detección de anomalías porque

la mayor parte de algoritmos de

detección de anomalías eh No son no no

tienen mucha justificación utilizar

redes neuronales o redes neuronales

convolucionales para para para este

menester entonces nos quedamos en ese

Machine learning más más básico y nos

permite por ejemplo detectar anomalías

en tráfico nosotros eh tenemos unas

ondas 5g que nos permiten detectar

anomalías de tráfico en cores

5g si combinamos ese trabajo combinamos

lo que hace nuestra parte de Deep

learning nuestra parte de Machine

learning podemos obtener

resultados y podemos hacer aplicaciones

increíbles Como por ejemplo detección de

armamento detección de características

personales que ha aplicado el cliente a

a sus datasets a sus vídeos extracción

de de audio en este caso por ejemplo en

urdu de un vídeo con traducción

simultánea con identificación de de

patrones y bueno Esto nos lleva a

también tener que poner los pies en la

tierra y decir los sistemas de

Inteligencia artificial son no

deterministas es decir son sistemas que

no te van a dar siempre el mismo

resultado y que para que te den los

resultados que esté en el umbral que a

ti te interesan tienes que trabajarlos y

tienes que trabajar con ellos por eso es

normal que a veces estos sistemas fallen

No pasa nada Tienes que tener un buen

pipeline de reentrenamiento de

reevaluación para que hagan exactamente

lo que tú quieres y eso requiere

muchísimo

trabajo Claro llegados a este punto sigo

yo preguntándome Y entonces

Qué se supone Qué se supone que han

integrado en en esa lavadora porque vale

tenemos Claro que que que para trabajar

con esto vamos a neitar unos conjuntos

de datos y aplicarles un algoritmo Pues

yo todavía no lo tengo muy claro pero sí

lo tengo muy claro en lo que hacemos

nosotros Nosotros hemos entendido que de

la misma forma que un humano va a

necesitar información para tomar una

decisión eh estos sistemas la

Inteligencia artificial también la va a

necesitar y para ello teníamos que crear

el sistema heterogéneo más grande

posible lo que hicimos fue todos

nuestros módulos y herramientas aunar la

información que recopilaba y crear un

dat Lake y este datalake se convierte en

esa pieza

fundamental este datalake lo que va a

hacer es guardar toda esa información

normalizada estandarizada y ponerla de

forma rápida y accesible al resto de

módulos y pipelines de nuestras

soluciones para que puedan aplicarse

esos

algoritmos lo que vamos a es si

por ejemplo nos llegan ficheros nos

llegan vídeos nos llegan correos hacemos

una auditoría de un sistema sacamos

tráfico una sonda 5g lo vamos a

normalizar es decir le vamos a poner en

un formato un albarán estándar que

nosotros podamos entender para su

recuperación lo vamos a procesar lo

vamos a normalizar lo vamos a convertir

en algo que podamos interpretar y lo

vamos a guardar en el datalake dónde van

a poder beber todos estos

algoritmos para nosotros llegados a este

punto y Ya dejamos de lado El ejemplo de

la de la lavadora lo que vamos a lo que

queremos transmitir es que esta

descripción de Inteligencia artificial

se nos queda un poco corta porque la

aplicación de algoritmos de Deep

learning y Machine learning hoy en día

no esan lejos no son difíciles de

aplicar para ninguna empresa Pero lo que

queremos entendernos nosotros por

Inteligencia artificial es la

Inteligencia artificial completa La

Inteligencia artificial Autónoma y para

eso necesitamos un mecanismo capaz de

tomar decisiones por nosotros y darnos

esa rapidez y eficacia de la que

hablábamos al principio Entonces tenemos

un ejemplo por aquí de pipeline de caso

de uso normal de un sistema de

ciberseguridad en la que un atacante

Envía un correo malicioso Se recibe por

un correo cliente una solución cm o una

solución eh de análisis de correo va a

saltar una alerta que va a ir a ese

colector de alertas con ese millón de

alertas que va a llegar al técnico de

soporte que va a ser el que vaya a tener

que pasar eso al ips ids y por lo tanto

eh levantar esa mitigación ese proceso

se lleva muchísimo tiempo y muchas veces

por el volumen de alerta no llegamos des

Ahí es donde nos ayuda una solución de

Inteligencia artificial completa o

Autónoma que sí que haga ese trabajo por

nosotros Nosotros cogemos desplegamos la

solución completa y hacemos un forense

de ese correo tenemos todos esos datos

lo llevamos al datalake cogemos la

conexión que se ha producido hacemos una

detección de anomalías tenemos una

auditoría completa de esos equipos para

poder ver si era una amenaza dirigida

cogemos el fichero lo analizamos hacemos

esa comprobación y correlación Y por

último con todos los datos extraídos más

los datos de origen de ese correo

podemos hacer una atribución una una

atribución de autoría de lo que de lo

que ha ocurrido todo esto va a estar

normalizado lo vamos a convertir en

observables lo vamos a llevar al

datalake y y Desde allí el técnico de

soporte no va a haber un millón de

alertas va a haber tres va a haber dos

va a haber cinco va a haber algo que

pueda solucionar en horas no en días

todo esto va a volver otra vez a esos

pipelines va a ir un sistema procesado

con esta Inteligencia artificial

Autónoma que va a ser la que va a tomar

la decisión integrada con los sistemas

de seguridad que ya tiene el cliente

para

generar contramedidas en tiempo real o

para activar reglas de nación

predefinidas este por ejemplo es el

pipeline de Ren wire la solución que

maneja estas sondas 5g y aquí lo que

veis es lo que comentaba recopilamos ese

tráfico recopilamos los logs se hace la

normalización se hace un parseo se pasa

por esa parte de Inteligencia artificial

y de procesado de ahí se lleva a un

motor de reglas y sacamos esos reportes

o sacamos esas eh alertas o

notificaciones vamos a poner un caso de

uso para hacerlo más sencillo en el que

intervienen todos los elementos de

nuestra

plataforma vamos a imaginar lo que

decíamos antes no nos lleva un correo

nosotros lo analizamos en riven Boss la

interfaz eh A lo mejor os suena a los

que habéis utilizado la herramienta Ada

por lo que decía riven site es el motor

de la herramienta Ada este va a ser con

un poco de suerte la nueva aspecto el

nuevo aspecto de la interfaz para ahora

2024 así que pues Primicia si no se ha

puesto Ya que creo que ya se ha puesto

en alguna presentación y eh os voy a

contar un poco más bueno la Sonda de

correo de riven Po vale ha detectado un

posible correo malicioso tenemos una una

sonda de correo que está unido a un

Gateway de correo y que es el que ha

hecho esta detección y ha aparecido como

malicioso Por qué pues como veis porque

tenía bueno porque se ha enviado desde

un servidor de no confianza porque ha

fallado el récord sbf la firma de kim y

porque tenía un fichero potencialmente

malicioso lo analizamos en ravenside y

vemos Que Efectivamente es malicioso y

enviamos es evidencias al datalake pero

ya tenemos una amenaza detectada ya

podíamos empezar aquí desde este punto a

aplicar contramedidas vamos a ese

fichero lo vamos a convertir en imágenes

lo vamos a procesar para poder utilizar

redes neuronales convolucionales para

hacer comparativas y encontrar elementos

dentro del binario en un dataset de

binarios que tenemos para ver si son si

es un malware hecho a trozos si podemos

dar alguna etiqueta de familia o similar

Es decir para poder identificar ese

malware el análisis si lo revisamos o lo

revisa nuestro

asistente de generativo lo que sería una

suerte de chat gpt vale nos va a decir

nos va a explicar que nos encontramos

ante un malware de tipo filtrador que

utiliza técnicas y herramientas en

bebidas y técnicas living of Lan para

extraer información inform ación es

decir ya tenemos una identificación de

lo que hace una identificación de su

comportamiento y por lo tanto lo podemos

clasificar como

amenaza todas estas evidencias se van a

enviar a este datalake que es un poco el

interfaz que tenéis aquí donde lo vamos

a clasificar todo imágenes vídeos eh

información personal identidades países

direcciones IP absolutamente todo va a

quedar clasificados donde se va a poder

consultar se van a hacer procesos de

correlación en segundo plano y vamos a

poder unir análisis de correo con

detecciones que se han producido en el

perímetro con auditorías que hemos

realizado a nuestros

dispositivos como es un ex filtrador por

lo tanto hemos hecho una correlación y

hemos detectado que hay una conexión a

su centro de control que es lo que ha

aparecido dentro de nuestro sistema de

correlación y búsqueda de

anomalías vamos a contrastar esto con

fits de

inteligencia ya sean los que proveemos

nosotros ya sean los que puede proveer

el

cliente para comprobar si existen

indicios previos de maliciosa Es decir

para ver si podemos identificar todavía

más ese foco de amenaza y ponerle nombre

Bueno pues efectivamente aparece esta

dirección IP en uno de esos feits Se va

taguear se va a correl con la

información que ya tenemos Y por último

Y esta es la parte interesante una vez

que ya hemos aplicado todos esos

procesos esos procesos de eh seguridad

de inteligencia de Inteligencia

artificial es donde vamos a encontrar

que es una amenaza tenemos ya un montón

de pasos en los que hemos determinado

que es una amenaza esto ya es ind

discutible y por lo tanto vamos a

y como tenemos integrados los sistemas

de seguridad perimetrales vamos

automáticamente a generar Esa

contramedida esa regla que nos permite

cortarla de golpe esto es un sistema que

necesita que se establezca una normal

que necesita ir regulando unos

hiperparámetros para que no para no

ponerlo el día uno y cortar todas las

comunicaciones obviamente pero que en

muy poco tiempo va a quitar muchísimo

trabajo

al muchísima carga de trabajo al

personal de ese centro de respuesta y

nos va a

permitir utilizar de verdad un sistema

de seguridad autónomo que nos protege al

menos de esa mayor parte de amenazas que

sufre nuestra organización por lo tanto

lo que tenemos aquí es una tabla

comparativa entre el sistema de

seguridad el basado en aprendizaje

automático y lo que Nosotros llamamos el

sistema de Inteligencia artificial

completa y lo más interesante que podéis

ver es eso es la reducción de los

tiempos de respuesta que es al final de

lo que se queja todo el mundo en los en

los centros de respuesta an incidentes y

vamos a empezar por fin a utilizar todos

estos mecanismos generativos que

actualmente pues se están utilizando en

otros Campos para generar contramedidas

que podemos quedarnos que podemos

incorporar a nuestro pipeline de

seguridad y que van a ser de nuestra

propiedad o sea de la propiedad del

cliente os pongo el ejemplo de ravenside

ravenside era nuestra plataforma de

referencia de análisis de software y

motor de Ada y ahora pasa a ser nuestra

plataforma principal en la que se van a

incorporar todos los módulos módulo

análisis de identidades el módulo de

auditoría pen testing y brid Attack

simulation el módulo análisis de correo

el módulo de análisis de tráfico logs y

tráfico 5g y eh Y el módulo de eh ML

idl y para que os hagáis una idea un

poco de lo que hacen nuestras soluciones

os La explico un poco esta plataforma

este motor principal provee de un

sistema de análisis forense de malware

de extracción de indicadores de

generación de inteligencia esto es común

a todas nuestras plataformas todas

nuestras plataformas estan indicadores

genera inteligencia popul el dataset y

se integran con todos los sistemas de

seguridad de threed intelligent eh con

los cem con Los sistemas sofware que

tenga el

cliente lo que vamos a intentar

conseguir es generar una serie exp

portables generar una baseline común

generar unos sistemas que sean muy

fáciles de interpretar muy fáciles de

seguir muy fáciles eh que nos permitan

justificar las decisiones de seguridad

que estamos tomando Y que ahora se

incorpora todo esta eh todo este

pipeline de análisis automático con

Inteligencia artificial que nos permite

añadirlo a lo que ya teníamos análisis

en Dark web de eh análisis profundo de

análisis de tráfico de análisis de

sitios etcétera Y esto es un poco lo que

Veníamos a contar yo me quedo con mi

duda de la lavadora pero es lo

[Aplausos]

que

bu