Evaluación del desempeño de algoritmos de machine learning dentro de la IA para uso en la búsqueda de patrones de ciberataques y mitigación de Evaluación del desempeño de algoritmos de machine learning dentro de la IA para uso en la búsqueda de patrones de ciberataques y mitigación deEvaluación del desempeño de algoritmos de machine learning dentro de la IA para uso en la búsqueda de patrones de ciberataques y mitigación de su Impacto

Abstract

Actualmente los ciberataques representan una amenaza crítica que requiere abordarse de manera efectiva. La ciberdelincuencia presenta riesgos tangibles y cuantificables. Por otro lado, la seguridad informática está en constante cambio y adaptación, y la incorporación de técnicas de IA se ha vuelto esencial para identificar y neutralizar riegos a los que se enfrentan las entidades. La evolución continúa de las tecnologías de la información y comunicación hace indispensable adoptar medidas de ciberseguridad con el fin de proteger la privacidad, autenticidad y disponibilidad de la información. Puesto que es necesario desarrollar habilidades para detectar y controlar oportunamente las nuevas formas de amenazas que emergen constantemente (Flores, 2020). La optimización de software evoluciona; la IA abarca algoritmos que simulan inteligencia humana, incluyendo aprendizaje automático y toma de decisiones, mejorando los resultados. Su aplicación en optimización de software automatiza mejoras y aborda problemas complejos, también se usa para detectar cuellos de botella, elige algoritmos eficientes y adapta soluciones dinámicamente. En definitiva, la IA potencia la eficiencia y efectividad de aplicaciones (Luzuriaga et al., 2023, p. 51). El aprendizaje automático fusiona conceptos de varias disciplinas y ha impulsado la IA. En ciberseguridad, su uso es eficaz al abordar problemas con precisión y aprovechar grandes conjuntos de datos. Ha contribuido al avance de la seguridad informática al permitir un estudio detallado y ataques más precisos (Pinilla, 2020, p. 14).