En la era digital, los datos se derraman más rápido que el café un lunes por la mañana.
Un empleado accede de algún modo a datos confidenciales de Recursos Humanos, o envía por error un informe financiero por correo electrónico a una persona ajena a la empresa en lugar de al director financiero, o bien copia una base de datos de clientes en una memoria USB. O, lo que es peor aún, se trata de un ataque externo: los datos de la empresa quedan expuestos a causa de un ciberatacante muy sofisticado.
Tanto desde dentro como desde fuera, la información confidencial de las organizaciones se encuentra constantemente en riesgo, sobre todo a medida que la IA generativa (GenAI) se va incorporando a las funciones empresariales, y una filtración suele desencadenar el conocido ciclo de infracción, respuesta y recuperación —y, a continuación, una mayor inversión en seguridad y el traslado de dichos costes a los consumidores.
Los sistemas tradicionales de prevención de pérdida de datos (DLP) de tipo « » , diseñados para bloquear dicho acceso, intercambio o filtración de datos confidenciales, imponen a los equipos de seguridad la carga de crear manualmente reglas y políticas que determinen qué está permitido y qué no. A continuación, dichos equipos deben ajustar y actualizar dichas políticas para adaptarse a la evolución de las amenazas, a los nuevos tipos de datos y a las necesidades cambiantes de la empresa. Este enfoque basado en reglas suele dar lugar a elevadas tasas de falsos positivos, a la fatiga por alertas, a que se pasen por alto amenazas contextuales y a una pesada carga administrativa para los equipos de seguridad.
Aquí es donde la inteligencia artificial puede transformar la forma en que las empresas protegen sus activos más valiosos. Gracias al aprendizaje automático , el aprendizaje automático, el procesamiento del lenguaje natural y el análisis del comportamiento , las soluciones de DLP basadas en la inteligencia artificial pueden ser más adaptables e inteligentes, y capaces de responder a las amenazas relacionadas con los datos de forma más eficaz.
El problema es que dichos sistemas requieren una formación de vanguardia. Si el sistema de inteligencia artificial se entrena con datos erróneos, los resultados pueden ser desastrosos. «Es como la analogía de una persona que se va de viaje y se desvía un grado: no parece gran cosa cuando se ha recorrido una milla, pero cuando se han recorrido mil millas, sí que es un gran problema», afirma Eric Vanderburg, presidente de la consultora de ciberseguridad Nexus Cyber, en una entrevista exclusiva con « » Focal Point.
Hoy en día, hay mucho en juego: según un informe titulado « » ( ), elaborado por IBM y el Ponemon Institute, los costes derivados de las filtraciones de datos en 2024 alcanzaron un máximo histórico de 4.88 millones de dólares, lo que supone un aumento del 10 % con respecto al año anterior. Sin embargo, el informe reveló que las organizaciones que aplican la inteligencia artificial aplicada a la seguridad y la automatización de reducen el coste de las violaciones de seguridad en una media de 2.2 millones de dólares.
La automatización de las soluciones DLP ofrece una serie de ventajas para las organizaciones, aunque sigue habiendo limitaciones y retos. Esto es lo que es importante saber.
Las ventajas de la DLP basada en la inteligencia artificial
Aunque las tecnologías de IA y GenAI están provocando fugas de datos y obligando a las organizaciones a replantearse sus medidas de seguridad, también están haciendo que la seguridad sea más inteligente, afirmó Kevin Skapinetz, un experimentado estratega en ciberseguridad y antiguo director general de software de seguridad en IBM, con motivo de la publicación de su informe el año pasado.
«Lo que la IA está intentando hacer es lo que los humanos hacían antes: examinar los datos brutos y elaborar políticas a partir de ellos.»Kevin Skapinetz, socio general de TechOperators
«Para salir adelante, las empresas deben invertir en nuevas defensas basadas en la IA generativa ( ) y desarrollar las competencias necesarias para hacer frente a los riesgos y oportunidades emergentes que plantea la IA generativa», afirmó Skapinetz, actualmente socio general de la empresa de capital riesgo especializada en ciberseguridad TechOperators.
Por un lado, la IA agiliza el proceso de creación de las reglas en el que los sistemas DLP tradicionales podrían tener dificultades. «En esencia, lo que la inteligencia artificial intenta hacer es lo que antes hacían los seres humanos: examinar los datos sin procesar y elaborar políticas en función de ellos», señaló. «La inteligencia artificial lo hace de forma muy eficaz una vez que se ha completado un periodo de entrenamiento para ayudarla a comprenderlo».
Además, la inteligencia artificial permite que el DLP comprenda mejor el contexto y el comportamiento. Un sistema DLP tradicional podría bloquear todos los correos electrónicos que contengan la palabra «confidencial», incluso si se trata de un documento autorizado, mientras que un sistema DLP basado en inteligencia artificial sabrá reconocer si el documento se está compartiendo de forma segura dentro de la empresa.
Estas diferenciaciones permiten reducir los falsos positivos.
«Si una persona recibe muchas alertas y todas han resultado ser falsos positivos, es posible que simplemente incluya en la lista blanca la siguiente que reciba sin prestarle verdadera atención», afirma Vanderburg. ««Eso es lo que ocurre cuando uno está cansado», afirma. «Pero las IA no se cansan».
La IA también puede analizar otros factores además del contenido, como el comportamiento de los usuarios y los patrones de conexión, para identificar posibles incidentes de pérdida de datos. Si, por ejemplo, un usuario suele conectarse desde su oficina en casa en Oklahoma varios días a la semana, la IA lo reconoce. Sin embargo, si el usuario empieza de repente a conectarse desde Liberia, la IA lo señalará, afirma Vanderburg.
Además, también hay ventajas en materia de cumplimiento normativo. Dado que las IA registran cada decisión, estos datos proporcionan una justificación clara para las medidas de seguridad, algo de lo que a menudo carecen los procesos gestionados por personas, afirma Vanderburg. Además, resulta muy útil a la hora de hacer frente a una filtración de datos, ya que permite a las organizaciones defenderse frente a las multas reglamentarias demostrando que se ha actuado con la debida diligencia y que se tomaron las precauciones razonables, añade.
Todos estos factores reducen la carga operativa de los equipos de seguridad, afirma Vanderburg. «La inteligencia artificial puede mejorar el nivel de seguridad general de la organización y, en algunos casos, permite a la organización reasignar recursos», afirma. «Una persona encargada de supervisar constantemente el DLP puede desempeñar esta parte de su trabajo de forma mucho más eficiente», afirma.
El DLP mejorado requiere un entrenamiento inteligente de la IA
Aunque la tecnología DLP basada en la inteligencia artificial ofrece numerosas ventajas, los equipos de seguridad deben tener en cuenta una serie de aspectos importantes, según afirma Candy Alexander, directora de seguridad de la información (CISO) y responsable del área de riesgos cibernéticos de la consultora tecnológica NeuEon, en una entrevista exclusiva para con Focal Point. En primer lugar, hay que tener en cuenta que estas soluciones deben ser entrenadas.
«Si su entrenamiento de [datos] es deficiente al principio, es posible que no lo note demasiado, pero 12 meses después, de repente resulta muy sesgado y pésimo.»Eric Vanderburg, presidente de Nexus Cyber
«La IA es como un becario que tiene una idea de lo que se supone que debe hacer, pero no lo sabe con exactitud», afirma. «La inteligencia de los sistemas de IA depende exclusivamente de cómo se les entrene, y eso requiere una buena gestión de los datos ».
Para entrenar eficazmente a la IA, las empresas necesitan una sólida visibilidad de la red, que les permita comprender claramente qué datos existen, dónde se encuentran y cómo protegerlos, afirma Alexander. Deben ser capaces de identificar los datos empresariales críticos, los datos operativos y los datos sujetos a normativa; evaluar qué datos plantean los mayores riesgos de seguridad y cumplimiento normativo en caso de que se divulguen; y clasificar los datos adecuadamente para que el sistema DLP pueda detectar, rastrear y proteger con precisión la información confidencial.
En una época en la que los líderes empresariales que se plantean la IA están experimentando un fuerte sentimiento de FOMO, resulta difícil resistirse a la tentación de adoptar la IA rápidamente y resolver los problemas que puedan surgir más adelante. La necesidad de «actuar con cautela» recaerá inevitablemente en los responsables de seguridad de , quienes deben evaluar (y comunicar de forma eficaz a los directivos de la empresa) las consecuencias a largo plazo de la inteligencia artificial.
«Con la IA, si el entrenamiento es deficiente al principio, es posible que no se note demasiado, pero al cabo de 12 meses, de repente resulta muy sesgado y pésimo», afirma Vanderburg.
Por eso también es fundamental actualizar y validar estos sistemas de forma constante, añade; no se trata de «configurarlo y olvidarse».
Un requisito previo del DLP: mantener a las personas al tanto de lo que ocurre
La preocupación por que la inteligencia artificial sustituya a los trabajadores humanos está presente en prácticamente todas las conversaciones sobre este tema. Y, aunque las soluciones de inteligencia artificial son muy avanzadas, al menos en el ámbito de la prevención de fugas de datos (DLP), la supervisión humana sigue siendo un requisito fundamental.
«La IA es como un becario que tiene una idea de lo que se supone que debe hacer, pero no lo sabe con exactitud.»Candy Alexander, directora de seguridad de la información (CISO) y responsable del área de riesgos cibernéticos de NeuEon
«Las organizaciones siguen necesitando la intervención humana», afirma Alexander. «Volviendo al ejemplo del becario, ¿es de fiar el becario? ¿Han recibido la formación adecuada para llevar a cabo esta tarea? «No se conceden automáticamente privilegios de administrador a los becarios en todos sus sistemas».
Según ella, sigue siendo necesario contar con personas para revisar determinadas anomalías y falsos positivos, anular errores y ajustar ciertas políticas.
[Lea también: IA frente a humanos: por qué SecOps podría (o no) ser el próximo campo de batalla]
Y, aunque la inteligencia artificial está ayudando a las organizaciones a mejorar su eficacia a la hora de prevenir la pérdida de datos, también plantea nuevos retos, ya que los atacantes aprovechan esa misma tecnología para crear amenazas más sofisticadas, afirma Vanderburg. «Va a ser una especie de juego del gato y el ratón: nosotros utilizamos la inteligencia artificial y los atacantes también la utilizan», afirma. «Podría imaginarme una situación en la que los atacantes intentaran introducir datos basura en los sistemas de IA y generar falsas alertas de IA para provocar fatiga». «Si no cuenta con suficiente personal para supervisar esto, podría meterse en problemas».
Para las organizaciones que están estudiando soluciones de DLP basadas en la inteligencia artificial, el consejo tradicional sigue siendo válido, afirma Alexander. «Debe tener claro cuáles son sus necesidades: ¿qué quiere que haga? ¿Cumplen los requisitos previos? «¿Entiende su empresa los datos?» dice ella. «Todo gira en torno a las personas, los procesos y la tecnología». «La tecnología es realmente impresionante, pero donde pueden surgir problemas es en la implementación y en la inversión en servicios de asistencia».
