El Dr. Daniel Gavilanes Aray, director del Centro Tecnológico de la Fundación Universitaria Iberoamericana (FUNIBER), se encuentra involucrado en un innovador estudio que ha desarrollado un modelo de aprendizaje automático apilado. Este avance promete mejorar la identificación de ataques cibernéticos con una notable precisión y robustez.
El fenómeno del Internet de las Cosas (IoT) ha revolucionado la forma en que los individuos interactúan con la tecnología, permitiendo que dispositivos cotidianos se integren en una extensa red global. Sin embargo, este progreso también acarrea riesgos significativos, destacando entre ellos las botnets, redes de dispositivos infectados utilizadas para llevar a cabo ataques cibernéticos masivos.
Las botnets están compuestas por dispositivos comprometidos, que pueden incluir desde ordenadores hasta cámaras de seguridad domésticas, y son controladas remotamente por atacantes para realizar actividades ilícitas como ataques de denegación de servicio (DDoS), robo de datos o el envío masivo de spam.
Desafíos en la ciberseguridad del IoT
La diversidad de dispositivos dentro del ecosistema IoT, cada uno con diferentes protocolos y capacidades, plantea un desafío creciente para la ciberseguridad. Las técnicas tradicionales han demostrado ser insuficientes, especialmente en un contexto donde los ciberdelincuentes incorporan inteligencia artificial (IA) para perfeccionar sus métodos.
Ante esta situación, surge un enfoque innovador basado en aprendizaje automático (ML), diseñado para anticipar y neutralizar estas amenazas. Este avance representa un paso crucial hacia la protección digital de las redes inteligentes.
El modelo propuesto por el Dr. Gavilanes, denominado KSDRM, combina diversos algoritmos de aprendizaje automático, incluyendo k-Nearest Neighbors (KNN), máquinas de vectores de soporte (SVM), árboles de decisión (DT), bosques aleatorios (RF) y perceptrones multicapa (MLP). Para integrar los resultados y mejorar su precisión, el modelo utiliza la regresión logística como metaclasificador.
Eficacia del modelo KSDRM
Los resultados obtenidos hasta ahora confirman la eficacia del modelo KSDRM. Este alcanzó una precisión del 97,94% en pruebas realizadas, superando al mejor clasificador individual (RF), que logró una precisión del 97,34%. Además, el sistema ha demostrado reducir significativamente el tiempo de procesamiento, lo que lo convierte en una opción viable para aplicaciones en tiempo real donde la inmediatez es fundamental.
Dicho avance no solo representa un progreso importante en la defensa contra botnets; también sienta las bases para futuras investigaciones en el ámbito de la ciberseguridad aplicada al IoT. En un mundo cada vez más interconectado, donde cada dispositivo puede convertirse en un punto vulnerable, la IA se posiciona como una aliada estratégica esencial para garantizar la protección digital.
Para más detalles sobre este estudio, puedes consultar el artículo completo haciendo clic aquí.
A medida que avanzamos hacia un futuro tecnológico más complejo y conectado, iniciativas como esta son fundamentales para salvaguardar nuestra información y asegurar un entorno digital seguro.
Si (
No(
