Integración de NLP y Aprendizaje por Conjuntos en Firewalls de Próxima Generación para la Detección Robusta de...

Área de la Ciencia:

• Ciberseguridad; Inteligencia Artificial; Seguridad de Redes

Sus antecedentes:

• Los entornos de computación de borde son vulnerables a sofisticados ataques de malware que desafían las medidas de seguridad tradicionales.
• La creciente dependencia de la infraestructura de borde requiere estrategias avanzadas de detección y mitigación de amenazas.
• La inteligencia de amenazas no estructurada presenta una rica fuente de datos para identificar vectores de ataque novedosos.

Objetivo del estudio:

• Proponer un marco novedoso que integre el Procesamiento del Lenguaje Natural (PLN) y el aprendizaje por conjuntos para la detección de malware en la computación de borde.
• Mejorar las capacidades de los Firewalls de Próxima Generación (NGFW) para la identificación y mitigación de amenazas en tiempo real.
• Desarrollar una solución de seguridad escalable y adaptable optimizada para las limitaciones de los entornos de borde.

Principales métodos:

• Aprovechamiento de técnicas de PLN como la vectorización TF-IDF para procesar inteligencia de amenazas no estructurada (por ejemplo, informes, registros).
• Implementación de un modelo de aprendizaje por conjuntos que combina Random Forest (RF) y Regresión Logística (LR) utilizando votación suave.
• Validación de la solidez del modelo mediante análisis de varianza y matrices de confusión.

Principales resultados:

• Se logró una precisión del 95 % en un conjunto de datos de inteligencia de amenazas cibernéticas con aumento sintético de datos.
• Se alcanzó una precisión del 98 % en el conjunto de datos CSE-CIC-IDS2018.
• Se demostraron bajas tasas de error y se confirmó la solidez estadística mediante análisis de validación.

Conclusiones:

• El marco propuesto de PLN y aprendizaje por conjuntos detecta y mitiga eficazmente el malware en entornos de computación de borde.
• El sistema ofrece tasas de detección mejoradas y adaptabilidad, crucial para implementaciones de borde con recursos limitados.
• Este enfoque proporciona una capa de defensa escalable para firewalls de próxima generación que operan en el borde de la red.