Investigadores de la UPM desarrollan un sistema de análisis de datos para prevenir ciberataques

Investigadores de la Escuela Técnica Superior de Ingenieros Informáticos de la Universidad Politécnica de Madrid (UPM) acaban de anunciar el desarrollo de un sistema que es capaz de aprender del contexto y detectar, generar, almacenar y reutilizar los patrones recogidos en los datos que ya han sido analizados. De esta forma, es posible predecir el momento en el que dichos patrones volverán a aparecer e identificar cambios en el contexto que ayuden a detectar fraudes o spam, basándose en el comportamiento anormal de la información.

Los avances tecnológicos han provocado la proliferación de aplicaciones que constantemente generan flujos de datos (data stream) sin limitación de tamaño, y a gran velocidad, y que deben ser computados en tiempo real ante la imposibilidad de su almacenamiento. Ante este reto, los investigadores de la UPM han desarrollado este sistema.

Según destaca Ernestina Menasalvas, responsable del Departamento de Lenguajes y Sistemas Informáticos e Ingeniería del Software de la UPM, “el sistema permite optimizar el desarrollo de modelos de clasificación de minería de datos, reutilizando modelos similares en contextos parecidos”. Con ello, puntualiza Menasalvas, mejoramos las capacidades de aplicar la inteligencia artificial a entornos como ciudades inteligentes, IoT, o dispositivos móviles”.

El mecanismo tiene aplicaciones en materia de ciberseguridad, donde la herramienta permitirá detectar patrones similares y prever ataques cibernéticos, mejorando los sistemas de detección y respuesta. También podría aplicarse a la detección de intrusiones y fraudes que puedan producirse por vías informáticas, con el correspondiente desarrollo de filtros antispam.

Miguel Ángel Abad es autor de la tesis en la que se exponen los resultados de este trabajo. Abad puntualiza que “este mecanismo es de aplicación a entornos ubicuos, caracterizados por la existencia de distintos dispositivos que operan en tiempo real y con recursos limitados”. 

Los cambios de contexto pueden estar originados por hechos conocidos, como aquellos asociados a la climatología o a la estación del año, o provenir de aspectos desconocidos a priori. Para predecirlos, los investigadores de la UPM desarrollaron una función de similitud basada en técnicas de lógica difusa que extiende el comportamiento básico de decisión sí/no. “Una vez que la función determina si existen modelos de clasificación equivalentes para tratar el nuevo contexto, el sistema puede aplicar los mismos de forma directa gracias a su almacenamiento previo en un repositorio”, concluye Miguel Ángel Abad.