Cada ataque deja huellas. El reto no es encontrarlas, es procesar millones de eventos en tiempo real y distinguir lo peligroso de lo normal. Ahí es donde la ciencia de datos y la inteligencia artificial cambiaron las reglas del juego en ciberseguridad.
En esta charla exploraremos cómo funcionan por dentro los sistemas de detección de amenazas basados en IA: qué datos recopilan, cómo los modelos aprenden a identificar comportamientos anómalos, por qué los falsos positivos son un problema tan serio como los ataques reales, y qué pasa cuando un atacante sabe cómo engañar al modelo. Sin asumir conocimientos previos de machine learning ni seguridad, construiremos juntos la intuición necesaria para entender por qué esta combinación es una de las fronteras más activas de la tecnología hoy.
Porque la ciberseguridad del futuro no la escriben solo los hackers. También la escriben quienes saben leer los datos.
Takeaways:

Cómo funcionan los modelos de detección de anomalías en sistemas de seguridad reales
Qué datos se usan para entrenar IA en ciberseguridad y por qué importa su calidad
Por qué los falsos positivos son un problema crítico en seguridad basada en IA
Cómo los atacantes intentan evadir modelos inteligentes y qué implica eso para el diseño

Track: Arquitectura de seguridad / Gestión de seguridad
Formato: Conferencia (30 min)
Nivel: Principiante con profundidad
Idioma: Español