El mundo está cambiando ante nuestros ojos. Mientras que los hechos, la verdad y la honestidad fueron alguna vez nuestros activos más valiosos, hoy en día reinan los hechos alternativos, las "post-verdades" y las mentiras descaradas. Lamentablemente, el ámbito de la ciberseguridad no es la excepción a esta tendencia.
Peor aún, con los recientes avances en el campo de la inteligencia artificial (artificial intelligence, AI) y el aprendizaje automático (machine learning o ML), la ciberseguridad se volvió más compleja y confusa, abriendo oportunidades para algunos jugadores a los que les gusta inflar sus habilidades e ignorar sus limitaciones.
¿Algoritmos de machine learning como balas de plata? No hacen falta actualizaciones ni prestar atención a la menospreciada importancia de los falsos positivos... Esos son apenas algunos de los trucos de marketing que suelen usar estos fabricantes que pretenden tener una nueva verdad.
Estas afirmaciones falsas, sin embargo, van en contra de la experiencia basada en hechos de fabricantes como ESET, que han estado luchando por la ciberseguridad durante casi tres décadas y conocen los posibles reveses. Para aclarar las turbias aguas del marketing de la post-verdad, desde WeLiveSecurity decidimos publicar una serie de artículos cortos enfocados en el estado actual de la inteligencia artificial, los pros y contras del machine learning y cómo impacta en la detección y protección contra amenazas.
Comprometidos con los valores de verdad y honestidad, explicaremos cómo funciona el aprendizaje automático aplicado a la ciberseguridad, cuáles son los límites de esta tecnología redescubierta y por qué ya no es seguro que sea la única capa situada entre tú y los atacantes.
Este es el listado de lo que podrás leer en las próximas semanas:
- Editorial: combatiendo la "nueva verdad" con realidad en el ámbito de la ciberseguridad
- ¿Qué son machine learning y la inteligencia artificial?
- Los conceptos erróneos y malentendidos más comunes sobre ML y AI
- Por qué la seguridad basada en ML no asusta a los adversarios inteligentes
- Por qué una línea de defensa no es suficiente, aunque sea machine learning
- Cazando fantasmas: Los costos reales de las tasas altas de falsos positivos
- Cómo las actualizaciones fortalecen tu solución de seguridad
- Conocemos ML, lo hemos estado usando durante más de una década
Esperamos que lo disfrutes.
Con la contribución de Jakub Debski y Peter Kosinar.
