Los atacantes ya usan la inteligencia artificial, y quien defiende no puede quedarse atrás. Este módulo del Máster en Ciberseguridad Defensiva y Ofensiva de la UCM te enseña a aplicar la IA en defensa: para detectar patrones sospechosos antes de que se conviertan en un incidente, para responder más rápido y para multiplicar la capacidad de análisis de un equipo de seguridad. Todo ello sin perder de vista sus límites y riesgos.
Machine learning, LLM y copilots para la detección y respuesta ante amenazas
Machine learning aplicado a la seguridad: aprendizaje supervisado, no supervisado y por refuerzo
Antes de aplicar la IA, entiende cómo funciona. Descubre las bases del aprendizaje supervisado, el no supervisado y el aprendizaje por refuerzo, y qué aportan técnicas como la clasificación, el clustering y la detección de anomalías para identificar comportamientos sospechosos en grandes volúmenes de datos.
Detección de intrusiones, UEBA, APT y prevención del fraude con integración SIEM
Lleva la IA a la protección real de una organización. Aplícala a la detección de intrusiones y la respuesta automática, al análisis del comportamiento de usuarios y entidades (UEBA), a la identificación de amenazas persistentes avanzadas (APT) y a la prevención del fraude. Integra después estas soluciones con las plataformas SIEM que estudias en el módulo de Detección, correlación y acción.
LLM y copilots de ciberseguridad: phishing, análisis de logs y clasificación de malware
Trabaja con modelos de lenguaje (LLM) y copilots de ciberseguridad para hacer en minutos lo que antes llevaba horas. Usa el procesamiento del lenguaje natural (NLP) para detectar phishing y analizar logs, clasifica malware y genera informes de incidentes. Descubre también cómo los copilots para analistas agilizan el trabajo diario de un equipo de seguridad.
IA en el análisis forense digital
La inteligencia artificial también acelera la investigación. Descubre cómo ayuda a procesar y priorizar evidencias en el análisis forense, como complemento a las técnicas que trabajas en el módulo de DFIR — Práctica forense digital.
Riesgos de la IA: sesgos, interpretabilidad y ataques contra los modelos
La IA también tiene puntos ciegos. Analízalos con mirada crítica: los sesgos en los datos, la falta de interpretabilidad de los modelos, el exceso de automatización y los ataques dirigidos contra los propios modelos de IA, que pueden manipularlos para que fallen justo cuando más se necesitan.
Tendencias: ciberdefensa proactiva y simulación automática de ataques
Termina el módulo mirando hacia delante. Explora las líneas que marcarán los próximos años, como la ciberdefensa proactiva y la simulación automática de ataques, una evolución natural de la emulación de adversarios que trabajas en Red Team y Purple Team.
Contenidos del módulo de IA para la detección, la respuesta y el análisis de amenazas
- Fundamentos de IA aplicada a la seguridad.
- Aprendizaje supervisado, no supervisado y por refuerzo.
- Clasificación, clustering y detección de anomalías.
- IA para la detección y la respuesta.
- Detección de intrusiones y respuesta automática.
- UEBA, amenazas persistentes avanzadas (APT) y fraude.
- Integración con plataformas SIEM.
- LLM y copilots de ciberseguridad.
- Detección de phishing y análisis de logs con NLP.
- Clasificación de malware y generación de informes.
- Copilots para analistas.
- IA en el análisis forense.
- Riesgos y límites de la IA.
- Sesgos, falta de interpretabilidad y exceso de automatización.
- Ataques contra los propios modelos de IA.
- Tendencias: ciberdefensa proactiva y simulación de ataques.