{" . "}

La ciberdelincuencia innova continuamente en sus TTP (Tácticas, Técnicas y Procedimientos) para superar los sistemas de detección y contención. En la actualidad los criminales ya utilizan las últimas tecnologías de IA para generar todo tipo de malware, contenido dañino o artefactos para vulnerar nuestra seguridad. En este reto proponemos aplicar técnicas de aprendizaje automático (ML) para mejorar la defensa de nuestras organizaciones, y así anticiparnos en la detección de nuevas formas de ataque. Para ello, hemos recopilado logs de actividad de diferentes usuarios de una organización, que reflejan su actividad diaria normal durante varios días. Por otro lado, hemos seleccionado diferentes tipos de ataques cibernéticos que hemos introducido, de manera controlada, en algunos de estos registros en un día concreto. 

Nuestra hipótesis es que es posible detectar automáticamente estos ataques por cambios inusuales en el comportamiento de la actividad de un usuario. De este modo, podríamos identificar ataques en sus primeras etapas, antes de que causen daños mayores. Además, al observar y analizar estas alteraciones en el comportamiento de un usuario o de varios, también se puede obtener información valiosa sobre los diferentes tipos de ataques detectados, ayudándonos a desarrollar defensas más específicas y eficaces y compartiendo la inteligencia obtenida para que otras organizaciones puedan protegerse ante ataques similares. 

Los resultados obtenidos en este estudio nos van a permitir profundizar en las diferentes capacidades de detección de ciberataques y enriquecer nuestras estrategias actuales, garantizando así un entorno digital más seguro para una organización.