IA para Detectar las Amenazas que los Firewall Ignoran
Los firewalls tradicionales dependen de firmas conocidas: son ciegos ante patrones de tráfico nuevos o diseñados de forma adversarial. Esta charla explicó por qué un detector aprendido, basado en comportamiento, puede detectar lo que las reglas estáticas no ven, usando como hilo conductor el NIDS de ML de dos niveles que estoy construyendo para IoT Industrial.
La segunda mitad se centró en la trampa: una defensa basada en ML es en sí misma una superficie de ataque. Si un clasificador toma la decisión de si un tráfico es malicioso, un adversario tiene ahora un incentivo para diseñar entradas que engañen específicamente a ese clasificador — el mismo problema de robustez adversarial que aparece en toda la seguridad en IA, solo que con una instancia muy concreta y muy explotable.