¿Qué es el Aprendizaje profundo en línea?

Los nuevos ataques se lanzan mucho más rápido de lo que las tecnologías tradicionales de sandboxing, proxies y firmas independientes pueden implementar las protecciones. Tras una infección inicial, el malware moderno puede infectar miles de sistemas más en cuestión de segundos, mucho antes de que puedan desarrollarse y extenderse medidas de protección en las organizaciones. Para prevenir las amenazas avanzadas, las organizaciones deben evitar lo antes posible las infecciones iniciales de amenazas nunca vistas. El objetivo es reducir a cero el tiempo entre la visibilidad y la prevención. Gracias al Aprendizaje profundo en línea, esto ya es posible.

¿Qué es el Aprendizaje profundo?

Para comprender mejor el concepto de Aprendizaje profundo en línea, resulta útil definir primero el aprendizaje profundo y el aprendizaje automático y, a continuación, diferenciar entre ambos. El Aprendizaje profundo es un subconjunto del aprendizaje automático (AM) que utiliza redes neuronales artificiales para imitar la funcionalidad del cerebro y aprender a partir de grandes cantidades de datos no estructurados. Las redes neuronales se entrenan utilizando grandes cantidades de datos no estructurados. Pueden recopilar, analizar e interpretar información de múltiples fuentes de datos en tiempo real, sin intervención humana. El Aprendizaje profundo puede ser especialmente útil a la hora de inspeccionar grandes cantidades de datos sobre ciberamenazas para detectar y evitar ciberataques. El Aprendizaje profundo automatiza las extracciones de características, eliminando cualquier dependencia de los humanosz: Por ejemplo: Al categorizar animales como perros, gatos o pájaros, el Aprendizaje profundo determinará qué características (por ejemplo, orejas, nariz, ojos, etc.) son fundamentales para distinguir a cada animal de otro. Estas capacidades avanzadas son las que hacen que el Aprendizaje profundo sea extremadamente beneficioso para mejorar las tareas analíticas y relacionadas con la automatización.

¿Qué es el aprendizaje automático?

El aprendizaje automático es una aplicación de la IA que incluye algoritmos que analizan datos, aprenden de los conjuntos de datos y aplican lo aprendido para tomar decisiones informadas. Normalmente, los ordenadores se alimentan de datos estructurados y los utilizan como datos de entrenamiento para mejorar su capacidad de evaluación y actuación. Aunque los modelos básicos basados en el aprendizaje automático están diseñados para mejorar su precisión con el tiempo, siguen requiriendo la intervención humana.

Aprendizaje automático vs. Aprendizaje profundo

La inteligencia artificial (IA) se utiliza cada vez más en múltiples industrias para impulsar las tareas automatizadas. Dos grandes componentes de la IA son el aprendizaje automático y el aprendizaje profundo. Los términos se utilizan a menudo indistintamente, pero existen diferencias claras:

• El aprendizaje automático requiere que un científico de datos o un ingeniero elijan manualmente las características o los clasificadores, comprueben si el resultado es el requerido y ajusten el algoritmo si las predicciones generadas se consideran inexactas.
  
  El aprendizaje profundo elimina la necesidad de intervención humana. Estructurando los algoritmos en capas a través de sus redes neuronales, el aprendizaje profundo puede determinar por sí solo si una predicción es acertada o no.

• Los algoritmos de aprendizaje automático suelen tener una arquitectura sencilla, como la regresión lineal o un árbol de decisión. Las capacidades de aprendizaje automático también tienden a implicar menos potencia de procesamiento. Puede instalarse y funcionar con bastante rapidez, pero puede dar resultados limitados.
  
  El Aprendizaje profundo es mucho más complejo. Aunque suele requerir un hardware más potente, recursos y tiempo de configuración, a menudo genera resultados de forma instantánea y requiere un mantenimiento mínimo, si es que requiere alguno.

• Los algoritmos tradicionales de aprendizaje automático requieren muchos menos datos que los modelos de aprendizaje profundo. Las tecnologías impulsadas por ML pueden funcionar utilizando miles de puntos de datos; el Aprendizaje profundo suele requerir millones. Los datos utilizados tampoco están estructurados en gran medida y pueden incluir imágenes y vídeos, lo que le permite eliminar las fluctuaciones y realizar interpretaciones de gran calidad.

¿Cómo funciona el Aprendizaje profundo en línea?

El propio Aprendizaje profundo se utiliza en una amplia gama de industrias, incluida la seguridad de red. Dado que puede evolucionar continuamente y aprender con el tiempo de los volúmenes de datos sobre amenazas que ingiere, se ha convertido en una tecnología clave para predecir ciberataques. Para aumentar su eficacia en la detección y prevención de nuevas ciberamenazas, ha surgido una nueva táctica líder en el sector: el aprendizaje profundo en línea. En caso de violación de la seguridad, se utiliza el aprendizaje profundo en línea para analizar y detectar el tráfico malicioso a medida que entra en una red y bloquear las amenazas en tiempo real. Esto es crucial debido a que los actores de amenaza modernos utilizan técnicas sofisticadas que hacen que los ataques sean desconocidos para las defensas de seguridad tradicionales. Aunque el Aprendizaje profundo en línea tiene estas increíbles capacidades, también funciona sin interrumpir la capacidad de una persona para utilizar su dispositivo. Se ejecuta en segundo plano de forma inadvertida, sin causar interrupciones en el flujo de trabajo o la productividad del dispositivo.

Prevención de amenazas desconocidas con aprendizaje automático en línea

Palo Alto Networks ha entregado el primer Cortafuegos de nueva generación (NGFW) del mundo potenciado por ML, que proporciona aprendizaje automático en línea para bloquear amenazas desconocidas basadas en archivos y en la web. Mediante un enfoque patentado sin firmas, WildFire y el avanzado URL Filtering evitan de forma proactiva los archivos armados, el phishing de credenciales y los scripts maliciosos sin comprometer la productividad de la empresa. Los NGFW virtuales y de hardware de Palo Alto Networks pueden aplicar nuevas capacidades de prevención basadas en ML:

• El ML en línea de WildFire inspecciona los archivos a velocidad de línea y bloquea las variantes de malware de los ejecutables portátiles, así como los archivos PowerShell, que representan una parte desproporcionada del contenido malicioso.
• URL Filtering inline ML inspecciona las URL desconocidas a velocidad de línea. Esta función puede identificar páginas de phishing y JavaScript malicioso en milisegundos, deteniéndolas en línea para que nadie en su red llegue a verlas.

Para obtener más información sobre el Aprendizaje profundo en línea, lea el artículo técnico de Palo Alto Networks: Requisitos para la prevención de amenazas evasivas.

Preguntas frecuentes sobre el Aprendizaje profundo en línea