2021: Odisea del Ciberespacio

Ing. Romeo A. Sánchez López, M.Ed., M.Sc.

CISSP ▪ CISM ▪ CEH ▪ CCNA ▪ CCSI ▪ SCSA ▪ SCJP ▪ SCMAD ▪ ITIL ▪ MCP ▪ TOGAF
2
3
4
srJava.getInfo(); // c[_]
 Ingeniero en Seguridad Computacional
 Maestro en Educación
 Maestro en Ciencias en Sistemas Inteligentes
 CISSP, CISM, CEH, CCNA, CCSI, SCSA, SCJP,
SCMAD, ITIL, MCP, TOGAF
 CISO
 Administrador de Sistemas y Redes
 Ingeniero de Software
 Arquitecto de IT
 Ethical Hacker
 Arquitecto de Seguridad
 Profesor Universitario
 Instructor Certificado de Java, Solaris y Cisco
5
6
 “La seguridad de la
información es como
el bajista de una
banda: nadie sabe que
existe, hasta el día que
falta.”

Romeo Sánchez
7
THE FOLLOWING TALK HAS BEEN APPROVED FOR

ALL AUDIENCES
BY THE SPEAKER’S WIFE

8
 ¿De qué hablaremos hoy?
Introducción
¿Cómo funciona la Inteligencia Artificial?
La Inteligencia Artificial al servicio del
Cibercrimen
La Inteligencia Artificial en la Ciberseguridad
Un vistazo al futuro de la Inteligencia
Artificial
Conclusiones

9
pollev.com/romeosanz857

10
11
¡Comenzamos!

13
El Amanecer de la Ciberseguridad

14
La Nueva Era de la Ciberseguridad

15
¿De qué lado está la Inteligencia Artificial?

16
 Cosas que hay que saber

Inteligencia Cerebro Deep El Futuro de

Artificial Humano Learning los Trabajos
Aprendizaje
Machine Redes Supervisado
Learning Neuronales y No
Supervisado
Computer
Vision

17
 Sistemas Expertos
Escribir un programa

if() que tome en cuenta

todas las posibilidades.
En muchas situaciones
es prácticamente
imposible tomar en
cuenta todas las
posibles opciones.

18
 Sistemas Expertos
 Deep Blue fue un
sistema experto
programado en una
RS/6000 para jugar
ajedrez.
 Su “inteligencia” consistía
en buscar opciones de
jugadas en un árbol de
decisiones, pero no
aprendía de la
experiencia.

19
IBM = ROT1('HAL')
20
 Machine Learning (ML)
El aprendizaje automático (machine
learning) es una disciplina que le
permite a una máquina aprender en
lugar de ser programada
explícitamente.
Lo más importante en ML
no es el algoritmo, sino los datos.
Lo más difícil en ML no es el
algoritmo, sino la preparación de los
datos.

21
 Machine Learning (ML)
Watson es un
sistema inteligente
que aprende con
Machine Learning.
Ayuda al diagnóstico
médico, inventa
recetas de cocina y
juega Jeopardy!

22
 Inteligencia Artificial (AI)

“Rama de las ciencias computacionales que

pretende construir máquinas que sean capaces de
presentar un comportamiento inteligente,
propio de la mente humana.”

23
 Inteligencia Artificial (AI)

“Open the pod bay doors, HAL”24

Inteligencia Artificial (AI)

25
 Cosas que hay que saber

Inteligencia Cerebro Deep El Futuro de

Artificial Humano Learning los Trabajos
Aprendizaje
Machine Redes Supervisado
Learning Neuronales y No
Supervisado
Computer
Vision

26
Sistemas de Recomendación

27
Vehículos Autónomos

28
Reconocimiento del Habla

29
Chatbots

30
Decisiones Automatizadas de Inversiones
Financieras

31
33
Procesamiento del Aplicaciones de la AI
Lenguaje Natural
▪ Bots conversacionales
▪ Asistentes inteligentes
▪ Identificación del lenguaje
▪ Interfaces de lenguaje natural
▪ Traducción
▪ Respuestas automáticas a preguntas
▪ Comprensión del lenguaje
Robótica
▪ Robots basados en comportamiento
▪ Robots cognitivos
▪ Vehículos autónomos

34
Agentes Inteligentes Aplicaciones de la AI
▪ Arquitecturas cognitivas
Administración del
Conocimiento
▪ Minería de datos y de textos
▪ Filtrado de correos spam
▪ Reconocimiento de actividades
▪ Anotación de imágenes
▪ Web semántica
Juegos
▪ Juegos de inteligencia artificial
▪ Teoría de juegos

35
Reconocimiento de Patrones Aplicaciones de la AI
Visión Computacional
▪ Procesamiento de imágenes
▪ Reconocimiento de objetos
▪ Reconocimiento óptico de caracteres
▪ Reconocimiento de escritura
▪ Reconocimiento facial y lectura de labios
Audio Computacional
▪ Reconocimiento y síntesis del habla
Diagnósticos y Sistemas
Expertos
▪ Sistemas de apoyo a decisiones

36
 ¿Cómo funciona la AI?
(Sin las partes pornográficas matemáticas)

37
 Inferencia Bayesiana
 Es un concepto estadístico que establece que
la probabilidad de que ocurra un evento
puede ser definida por las condiciones
relacionadas a priori con dicho evento.
 Por ejemplo, si un archivo contiene altos
niveles de cifrado y compresión, es más
probable que sea maligno a que sea benigno.
 Otro ejemplo es en la detección de spam en el
correo electrónico, donde ciertas palabras
indican una mayor probabilidad de que el
correo sea malicioso.

38
 Redes Neuronales Artificiales
 Las redes neuronales implementan una
arquitectura similar a la de las neuronas
del cerebro humano.
 Las neuronas toman datos de entrada y
emplean funciones matemáticas para
decidir si pasarán información a la
siguiente capa.
 Una red neuronal profunda (“deep”) es
una red con muchas capas ocultas de
neuronas.
▪ En detección de malware, cada archivo es pasado a través
de las capas ocultas para determinar si es benigno o
maligno.

39
 Cosas que hay que saber

Inteligencia Cerebro El Futuro de los

Artificial Humano Deep Learning
Trabajos
Aprendizaje
Machine Redes
Supervisado y
Learning Neuronales
No Supervisado

Visión
Computacional

40
Visión Computacional

41
Visión Computacional

42
Visión Computacional 43
Aprendizaje Supervisado y No Supervisado

44
 Cosas que hay que saber

Inteligencia Cerebro El Futuro de los

Artificial Humano Deep Learning
Trabajos
Aprendizaje
Machine Redes
Supervisado y
Learning Neuronales
No Supervisado

Visión
Computacional

45
La Inteligencia Artificial al
Servicio del Cibercrimen

46
 Evasión de Validaciones
Usando un sistema de visión
computacional es posible entrenar una
red neuronal que identifique los
caracteres de un CAPTCHA (Completely
Automated Public Turing test to tell
Computers and Humans Apart).

47
Evasión de Validaciones 48
 Ingeniería Social
La inteligencia artificial podría ser usada para hacer ingeniería social
con menos riesgo para el cibercriminal.

49
 Ingeniería Social

Una computadora que pueda

engañar a un humano para
que éste piense que es alguien en
quién confiar, es una puerta
abierta al cibercrimen.

50
 Detección de Vulnerabilidades
La AI podría llegar a ser una gran herramienta para los
cibercriminales, proveyéndoles de más oportunidades para tener
acceso a datos importantes.
Podría usarse para “escanear” Internet y cualquier software para
buscar vulnerabilidades y diseñar estrategias de ataque, para
luego ejecutarlas con una probabilidad de error humano casi nula.
Los correos electrónicos de phising podrían replicar el
comportamiento y forma de expresarse de una persona, haciéndolos
más difíciles de detectar y de saber que fueron vulnerados.

51
 Machine LearningAttack
Los resultados del
aprendizaje de un
sistema pueden ser
alterados para dar
un resultado
completamente
erróneo.

52
 Malware Inteligente
Está siendo creado malware más
dinámico y polimórfico, y es
cada vez más difícil detectarlo y
detenerlo con las herramientas
tradicionales.
Las herramientas de seguridad
basadas en heurísticas generan
más alertas de las que pueden
analizarse.

53
 Manipulación y Persuasión
 La AI puede entrenarse para imitar la forma de escribir de una persona, de
tal manera que puede publicar un link malicioso y persuadir al usuario de
hacer clic en él.
 El usuario no se da cuenta del engaño porque la forma de escribir le
resulta familiar.

54
Manipulación y Persuasión
55
AI en la Guerra

56
Dilemas Éticos y Sociales 57
59
La Inteligencia Artificial en la
Ciberseguridad

60
 La AI y la Ciberseguridad
 Machine Learning
▪ No todos están convencidos de que haya beneficios en
aplicar inteligencia artificial y técnicas de machine learning
para detectar patrones de comportamiento y detener
ciberamenazas.
▪ Puede ser útil en aumentar la toma de decisiones
hecha por humanos y en evidenciar relaciones no tan
obvias en grandes volúmenes de datos de seguridad.
 La AI puede complementar los controles actuales, y
gradualmente se irá integrando en ellos.
 Alertas basadas en heurísticas (Big Data en SIEM)

61
Un Vistazo a las Amenazas
Futuras de la Inteligencia
Artificial

62
64
 Amenazas Futuras de la AI
Inseguridad en Vehículos autónomos
▪ ¿Y si alguien altera el sistema de visión?
▪ Dilemas morales
Suplantación de identidad
▪ La síntesis de habla y la comprensión del
lenguaje
Malware adaptable
Ingeniería social

65
 ¿La AI amenaza nuestros empleos?
Cada vez que hay una
nueva ola tecnológica,
también hay preocupación
por los trabajos que se
podrían perder.
Sin embargo, cada ola
tecnológica ha traído
nuevos empleos.
66
 Cosas que hay que saber

Inteligencia Cerebro El Futuro de los

Artificial Humano Deep Learning
Trabajos
Aprendizaje
Machine Redes
Supervisado y
Learning Neuronales
No Supervisado

Visión
Computacional

67
Las herramientas de Conclusiones
seguridad no deben solo
buscar malware, sino también
enfocarse en otras clases
de ataques que dependen
de herramientas nativas de
los sistemas operativos y
otras amenazas.
Los ataques evolucionan, y
las defensas deberían
evolucionar también.
68
 Conclusiones
La inteligencia artificial es como
un niño en desarrollo: Aprenderá
lo que le enseñemos y también
cometerá algunos errores, por lo
que depende de nosotros que
crezca como un ser humano algo
útil para la sociedad.

69
70
71
2021: Odisea del Ciberespacio

Ing. Romeo A. Sánchez López, M.Ed., M.Sc.

CISM ▪ CEH ▪ CISSP ▪ CCNA ▪ CCSI ▪ SCSA ▪ SCJP ▪ SCMAD ▪ ITIL ▪ MCP ▪ TOGAF