cerrar-sesion editar-perfil marker video calendario monitor periodico fax rss twitter facebook google-plus linkedin alarma circulo-derecha abajo derecha izquierda mover-vertical candado usuario email lupa exito mapa email2 telefono etiqueta

Cómo detectar amenazas móviles mediante machine learning

  • Descubra la tecnología ideal para detectar amenazas móviles desconocidas y de día cero mediante Machine Learning

Escrito por Redacción Byte TI el 11 octubre, 2018 en Seguridad
1 comentario Haz tu comentario
Imagen de logotipo de facebook Imagen de logotipo de Twitter Imagen de Logotipo de Google+ Imagen de logotipo de Linkedin

El aprendizaje automatizado (Machine Learning) ha emergido rápidamente como una tecnología importante en la MTD porque permite a los equipos informáticos detectar amenazas móviles y desarrollar un comportamiento más sofisticado, como el reconocimiento de patrones, sin estar específicamente programados para ello. El aprendizaje automatizado es una tecnología potente —pero a la vez no intrusiva— que monitoriza continuamente el comportamiento de la aplicación y del usuario a lo largo del tiempo, de forma que puede identificar la diferencia entre el comportamiento normal y anormal, pudiendo provocar una actividad malintencionada en un dispositivo móvil, que es lo más importante.

El uso de Machine Learning para detectar amenazas móviles ha ganado importancia los últimos años debido a la velocidad, precisión y escala que proporciona comparado con los modelos de seguridad más populares, como los antivirus tradicionales para equipos de sobremesa. A medida que va evolucionando el panorama de amenazas móviles, los profesionales de la seguridad necesitan tecnologías que puedan detectar y corregir rápidamente amenazas a nivel de dispositivo y escalar las amenazas más críticas para hacerlas prioritarias. Es justo de este modo cómo puede ayudar la MTD basada en el aprendizaje automatizado, ya que estas funciones van mucho más allá de lo que ofrecen las soluciones basadas en la nube y los antivirus.

Por ejemplo, muchas organizaciones ya están usando el machine learning para solucionar problemas de seguridad móvil, como:

  • Ataques de alta velocidad: los ataques de hoy en día, como las amenazas desconocidas y de día cero, se ejecutan a alta velocidad, de forma que el departamento informático debe responder también rápidamente. El machine learning puede ayudar a los administradores a detectar rápidamente estas amenazas y a tomar las medidas necesarias.
  • Seguridad del dispositivo: existen miles de millones de dispositivos en el mundo y muchos de ellos son altamente vulnerables a los ataques móviles. La UEM es la forma ideal de mantener una flota móvil segura a gran escala frente a estos ataques, implementando la detección de amenazas basada en el aprendizaje automatizado en millones dispositivos de cualquier parte del mundo.
  • Inteligencia de amenazas móviles: los ataques dirigidos suelen generar un cambio muy sutil en el dispositivo y la mayoría son invisibles para los analistas humanos. A veces, la detección solamente es posible si se correlacionan miles de parámetros de los dispositivos mediante el machine learning.
  • Falta de administración informática: existen demasiadas alertas de seguridad y no hay suficientes seres humanos para detectar y responder a las amenazas en una cantidad de tiempo razonable. El machine learning puede ahorrarles una gran carga de procesamiento de esas amenazas.

El siguiente documento descargable, analiza los múltiples beneficios del machine learning en la MTD, para ayudar a las organizaciones a detectar amenazas móviles y a tomar decisiones mejor informadas sobre su estrategia de seguridad móvil de cara al futuro.

Descárgate el documento sobre cómo detectar amenazas móviles mediante machine learning y descubre cómo funciona, qué ventajas ofrece o como encontrar la solución más adecuada




¿Te gustó este post? Valóralo

0 votos, promedio: 0,00 de 50 votos, promedio: 0,00 de 50 votos, promedio: 0,00 de 50 votos, promedio: 0,00 de 50 votos, promedio: 0,00 de 5 (0 votos, promedio: 0,00 de 5)
Tienes que registrarte como miembro para valorar esto.
Cargando…


Compártelo

Noticias relacionadas

Comentarios
Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos necesarios están marcados *

Debes haber iniciado sesión para comentar una noticia.