Contenido del temario CCNA 200-301 v1.1
Este material ya se encuentra agregado al curso Network Associate (CCNA 200-301)
Este material ya se encuentra agregado al curso Network Associate (CCNA 200-301)
En el panorama actual del desarrollo de la tecnología, la inteligencia artificial (IA) se ha convertido en un punto focal que impulsa avances en múltiples sectores.
Dos subcampos de la IA que han ganado especial atención son la IA generativa y la IA predictiva. Si bien ambas aprovechan el poder del aprendizaje automático para procesar grandes volúmenes de datos, sus objetivos y aplicaciones finales son diferentes.
IA Predictiva
La IA predictiva se centra en el análisis de datos históricos y patrones actuales para anticipar eventos o comportamientos futuros. Al identificar correlaciones y tendencias en conjuntos de datos existentes la IA predictiva puede realizar pronósticos precisos. Entre sus aplicaciones se encuentran:
- Detección de fraudes:
Puede identificar patrones de comportamiento que podrían indicar actividades fraudulentas en transacciones financieras. - Mantenimiento predictivo:
Predecir cuándo es probable que se produzca el fallo de un equipo, lo que permite el mantenimiento preventivo y reduce tiempos de inactividad. - Análisis de riesgo:
Evaluar el riesgo financiero asociado a inversiones o préstamos.
Un ejemplo: la detección de intrusiones basada en anomalías
La IA predictiva puede usarse para analizar el tráfico de red en busca de patrones de tráfico anormales que podrían indicar un ataque. Al aprender el comportamiento normal de la red, los modelos de IA predictiva pueden identificar desviaciones de comportamiento que podrían ser indicios de actividad maliciosa.
Cómo funciona:
- Recopilación de datos:
Se recopilan grandes cantidades de datos de tráfico de red, incluyendo información sobre direcciones IP, protocolos, puertos, tamaño de paquetes y patrones de tráfico. - Entrenamiento del modelo:
Un modelo de IA predictiva se entrena con estos datos históricos para aprender el comportamiento normal de la red. - Análisis de tráfico en tiempo real:
El modelo analiza el tráfico de red en tiempo real en busca de desviaciones del comportamiento normal. - Detección de anomalías:
Si se detecta una anomalía, el modelo genera una alerta para que el Administrador investigue.
Beneficios:
- Detección temprana de amenazas:
La detección de anomalías basada en IA puede identificar ataques en sus primeras etapas, antes de que puedan causar daños. - Reducción de falsos positivos:
Los modelos de IA predictiva pueden diferenciar bien entre el tráfico normal y el anómalo, lo que reduce la cantidad de alertas falsas. - Mejora de la eficiencia de la respuesta:
La automatización de la detección de intrusiones libera a los analistas de seguridad para que se centren en tareas más complejas.
IA Generativa
A diferencia de la IA predictiva, que se enfoca en anticipar situaciones, la IA generativa está diseñada para crear contenido o datos nuevos y originales. Mediante el aprendizaje de grandes conjuntos de datos, la IA generativa aprende las características y patrones subyacentes, lo que le permite generar nuevos elementos similares pero no idénticos a los datos de entrenamiento.
Las aplicaciones de la IA generativa son diversas e incluyen:
- Creación de elementos artísticos:
puede generar imágenes, música o textos creativos. - Desarrollo de productos: es capaz de diseñar nuevos materiales, medicamentos o productos químicos, acelerando procesos de producción e innovación.
- Chatbots: implementar chatbots que puedan conversar con humanos de manera natural y efectiva, lo que permite mejorar la interacción entre humanos y máquinas.
- La IA generativa abre un mundo de posibilidades para la creación de contenido innovador y la exploración de nuevas ideas, lo que puede impulsar el progreso en diversos campos.
Un ejemplo: la generación de firmas de malware
La IA generativa puede usarse para crear nuevas firmas de malware que puedan identificar y bloquear amenazas emergentes. Al analizar grandes conjuntos de datos de malware existente, los modelos de IA generativa pueden aprender las características y patrones comunes de este tipo de software y generar una firma.
Cómo funciona:
- Recopilación de datos:
Se recopilan grandes cantidades de muestras de malware, incluyendo código fuente, archivos binarios y metadatos. - Entrenamiento del modelo:
Un modelo de IA generativa se entrena con estos datos para que aprenda las características y patrones del malware. - Generación de nuevas firmas:
El modelo genera nuevas firmas de malware que capturan las características aprendidas. - Implementación de firmas:
Las nuevas firmas se implementan en el IPS o antimalware para identificar y bloquear malware emergente.
Beneficios:
- Protección contra amenazas emergentes:
La IA generativa puede crear firmas de malware más rápidamente que los métodos tradicionales, lo que permite una mejor protección contra amenazas emergentes. - Reducción de falsos positivos:
Las firmas generadas por IA suelen ser más precisas que las firmas tradicionales, lo que reduce la cantidad de falsos positivos. - Seguridad más eficiente:
La automatización de la generación de firmas de malware libera a los analistas de seguridad para que se ocupen en otras tareas.
IA Generativa / IA Predictiva como complementos
Si bien la IA predictiva y la IA generativa apuntan a objetivos distintos, no son excluyentes. De hecho, pueden trabajar en conjunto para potenciar sus capacidades. Por ejemplo, la IA generativa puede generar nuevos datos de entrenamiento para mejorar la precisión de los modelos de IA predictiva, mientras que la IA predictiva puede usarse para identificar patrones en los datos generados por la IA generativa, refinando aún más su rendimiento.
Conclusión:
La IA generativa y la IA predictiva representan dos avances importantes en el campo de la inteligencia artificial. Con su capacidad para predecir el futuro y crear contenido nuevo, estas tecnologías tienen el potencial de transformar industrias, mejorar nuestras vidas y llevarnos a un futuro impulsado por la IA. A medida que estas tecnologías continúen evolucionando, la sinergia entre la IA predictiva y la IA generativa será crucial para desbloquear nuevas oportunidades y redefinir los límites de lo que es posible.
Los manuales que publico los podés adquirir en el sitio web de EduBooks: https://www.edubooks.com.ar/
Los cursos on line que desarrollo se pueden adquirir a través del sitio web de Educática: https://www.educatica.com.ar/
Estás invitado a seguirme en Instagram:
https://www.instagram.com/libros.networking/
También podés participar de nuestro grupo en Facebook:
https://www.facebook.com/groups/librosnetworking/
podés participar de nuestro grupo en VKontakte
https://vk.com/libros.networking
O también puedes seguir las principales novedades en el grupo de Telegram:
https://t.me/LibrosNetworking
Las abreviaturas y siglas utilizadas en este post puede encontrarlas desarrolladas en
que está disponible en la Librería en Línea de EduBooks.
Lo que se define aquí como IA predictiva para el ámbito de la seguridad de red ¿no se parece mucho a un IPS? ¿Qué diferencia hay respecto a lo que ya existe desde hace años?
ResponderBorrarIA e IPS son cosas diferentes.
BorrarLa IA predictiva o generativa es una herramienta terriblemente potente que se está introduciendo en diferentes campos, no solo el networking. Que aplicada a la gestión de las redes y de la seguridad potencia enormemente el trabajo que podemos hacer.
El IPS es una herramienta de seguridad que está presente en nuestras redes desde hace mucho tiempo. Que puede o no implementar IA.
Los NGIPS y NGFW de los principales vendors, desde hace algunos años, implementan IA predictiva para diferentes tareas, entre otras las que puse como ejemplo en este post.
Pero también hay otras herramientas, por ejemplo, aplicadas a la analítica de tráfico, que implementan IA predictiva para la detección de anomalías.
Pero perfectamente puede darse un IPS que no implemente IA.
Pero creo que la IA está de moda y a cualquier cosa se le llama IA y todo ahora lleva IA. Pero los algoritmos siempre han estado en la informática y las IA no dejan de ser algoritmos.
ResponderBorrarUna cosa es chat GPT que entiende el lenguaje humano y otra cosa es que ahora todo sea IA. El IPS yo creo que se parece bastante a las características que ha expuesto acerca de IA predictiva, no veo realmente la diferencia, porque el IPS también aprende del comportamiento de la red.
Te repito algo que dije arriba.
BorrarNo todo IPS aprende del tráfico de la red. Hay en el mercado muchos que no.
Por eso no todos los IPSs tienen el mismo precio de mercado, y no todos requieren licenciamiento y acceso a Internet para operar algunos features.
En segundo lugar, aprender solo de la red no es suficiente, es necesario eso traducirlo en alguna acción.
Respecto de que la IA está de moda, sin dudas.
Pero la moda es ChatGPT. Y GPT es IA generativa.
IA no es solo algoritmos. Es bases de conocimientos, es LLMs, es ML, es Visual Machine, es Natural Language, etc.
No todo es IA. Pero si revisás los productos Cisco (me refiero a los que conozco con más detalle) vas a encontrar que hace años que se habla de "Analítica" o de "Machine Learning". En ambos casos estabas hablando de IA sin usar esos vocablos.
La verdadera IA implica procesos internos muy complejos, que implican mucho procesamiento.