Acepto

COOKIES

Esta web utiliza cookies técnicas, de personalización y análisis, propias y de terceros, para anónimamente facilitarle la navegación y analizar estadísticas del uso de la web. Consideramos que si continúa navegando, acepta su uso. Obtener más información

El machine learning ayuda a prevenir los ciberataques

  • IT User

machine learning

Con esta tecnología, los proveedores de ciberseguridad pueden optimizar mejor los contraataques basados ​​en algoritmos aprobados como las redes clustering y neuronales o las redes neuronales artificiales.

Las pruebas de aplicaciones web dedicadas se están convirtiendo rápidamente en algo esencial para un acercamiento hacia la ciberseguridad en cualquier organización. La rápida proliferación de dispositivos conectados y los vínculos directos entre las aplicaciones, el protocolo HTTP y los servicios web están creando numerosos puntos de vulnerabilidad que los hackers pueden explotar. En este contexto, la tecnología de machine learning ofrece una forma innovadora de prevenir estos ataques y optimizar las pruebas de seguridad de las aplicaciones web.

Quizá te interese...

GDPR: ¿dónde están los datos a proteger?

Verifica las herramientas con las que pruebas tus apps móviles

Internet de las Cosas: hoy y mañana

Optimiza tus canales digitales

Así, al menos, lo estima la consultora Frost & Sullivan en un reciente estudio en el que confirma que el machine learning fortalecerá el mercado de pruebas de seguridad de aplicaciones web. “Los algoritmos de machine learning ya están irrumpiendo en el ecosistema de ciberseguridad tradicional”, opina Jean-Noël Georges, director del Programa Global de Transformación Digital de Frost & Sullivan. Para el directivo, “la tecnología permitirá a las compañías de pruebas crear una capa adicional de experiencia para detectar mejor las posibles amenazas en tiempo real. La primera capa, basada en el análisis de software lineal tradicional, puede detectar rápidamente una larga lista de vulnerabilidades, que incluirán varios falsos positivos. La segunda, basada en el machine learning, será más profunda, permitiendo una mejor detección de vulnerabilidades y reducción de falsos positivos”.

Precisamente, el estudio de la compañía revela que, para el año 2020, el número de dispositivos conectados llegue a los 22.600 millones de unidades y que el número de vehículos conectados alcance los 51 millones de unidades en todo el mundo. Incluso con sofisticados sistemas de ciberseguridad, será difícil proteger las plataformas web y los servicios y soluciones basados ​​en la nube. Por tanto, las empresas necesitan una estrategia de ciberseguridad dedicada basada en pruebas de aplicaciones, monitorización y defensa que incorpore sólidos test de seguridad en la web. Con el machine learning, los proveedores de ciberseguridad pueden optimizar mejor los contraataques basados ​​en algoritmos aprobados como las redes clustering y neuronales o las redes neuronales artificiales.

Según Georges, “hacer que el software realice los informes de análisis de vulnerabilidad reducirá significativamente el coste y mejorará la escalabilidad y la calidad del análisis. El machine learning ofrecerá una mezcla competitiva de escalabilidad, calidad y coste; y permitirá la detección de vulnerabilidades, donde todos los fallos se prueban con cero falsos positivos”, concluye.