El an\u00e1lisis de tr\u00e1fico cifrado basado en IA utiliza IA para identificar flujos de red cifrados sospechosos o maliciosos. Esto se logra generalmente analizando atributos no cifrados del tr\u00e1fico de red cifrado, con una m\u00ednima o ninguna descifrado de la carga \u00fatil.<\/p>\n\n\n\n
El tr\u00e1fico de red cifrado se ha vuelto cada vez m\u00e1s com\u00fan como un medio para mejorar la privacidad y seguridad en l\u00ednea. Google y otras organizaciones han promovido fuertemente el uso de protocolos de red cifrados, lo que ha resultado en que m\u00e1s del 95% del tr\u00e1fico de red est\u00e9 cifrado hoy en d\u00eda, seg\u00fan el Informe de Transparencia de Google<\/a>. Si bien esto es positivo para la privacidad de la red, limita la visibilidad de seguridad para estos flujos de red, lo que potencialmente deja a las organizaciones vulnerables a malware y otras amenazas.<\/p>\n\n\n\n Los modelos de IA pueden examinar metadatos, comportamientos y patrones de flujo del tr\u00e1fico cifrado para analizar el riesgo probable asociado con estos flujos. Como parte de una arquitectura SSE integrada o SASE<\/a>, el an\u00e1lisis de tr\u00e1fico cifrado basado en IA puede mejorar el rendimiento y la seguridad de la red al reducir la necesidad de realizar un descifrado intensivo en recursos del tr\u00e1fico de red.<\/p>\n\n\n\n Transport Layer Security (TLS) es un protocolo de red que envuelve protocolos inseguros dentro de un envoltorio cifrado para la confidencialidad y autenticaci\u00f3n. El uso de TLS para el tr\u00e1fico web se ha vuelto com\u00fan, mejorando la privacidad en l\u00ednea. Sin embargo, esta creciente adopci\u00f3n del cifrado de tr\u00e1fico tambi\u00e9n beneficia a los atacantes que intentan ocultar contenido malicioso dentro de flujos de tr\u00e1fico cifrado. El tr\u00e1fico de red que contiene malware, tr\u00e1fico de comando y control, y exfiltraci\u00f3n de datos puede ser opaco para las herramientas de seguridad y ocultarse entre el tr\u00e1fico leg\u00edtimo.<\/p>\n\n\n\n Muchas herramientas de seguridad dependen de la capacidad de analizar la carga \u00fatil del tr\u00e1fico de red, que TLS cifra. Como resultado, el creciente uso del cifrado de tr\u00e1fico crea importantes puntos ciegos de seguridad.<\/p>\n\n\n\n Tradicionalmente, las empresas manejan el desaf\u00edo introducido por el cifrado del tr\u00e1fico de red realizando el descifrado e inspecci\u00f3n del tr\u00e1fico. Esto se puede lograr de varias maneras, como el uso de proxies de red, dispositivos locales o puertas de enlace en la nube. Este enfoque para gestionar el tr\u00e1fico de red cifrado ofrece una visibilidad profunda del tr\u00e1fico de red. Al descifrar toda la carga \u00fatil, un dispositivo de seguridad puede escanearla en su totalidad en busca de contenido potencialmente malicioso.<\/p>\n\n\n\n Sin embargo, la decripci\u00f3n completa del tr\u00e1fico tambi\u00e9n tiene sus desventajas. La decripci\u00f3n completa del tr\u00e1fico es costosa en t\u00e9rminos computacionales y puede introducir latencia adicional en la conexi\u00f3n. Adem\u00e1s, requiere que la organizaci\u00f3n rompa el paradigma tradicional de TLS utilizando certificados SSL empresariales, lo que introduce riesgos de seguridad y preocupaciones sobre la privacidad del usuario.<\/p>\n\n\n\n El an\u00e1lisis de tr\u00e1fico cifrado basado en IA aborda los desaf\u00edos asociados con el tr\u00e1fico de red cifrado al centrarse en los aspectos no cifrados del tr\u00e1fico. Los metadatos de los paquetes, como las direcciones IP y los tama\u00f1os de los paquetes, as\u00ed como las caracter\u00edsticas de los flujos de tr\u00e1fico, pueden proporcionar pistas que ayudan a diferenciar entre el tr\u00e1fico de red leg\u00edtimo y el malicioso. Cuanta m\u00e1s telemetr\u00eda de alta calidad se recopile y analice por estos sistemas, m\u00e1s precisas ser\u00e1n sus conclusiones.<\/p>\n\n\n\n Los sistemas de an\u00e1lisis de tr\u00e1fico cifrado basados en IA pueden utilizar varios modelos para detectar tr\u00e1fico potencialmente malicioso. El aprendizaje autom\u00e1tico supervisado (ML) puede utilizarse para detectar patrones de tr\u00e1fico malicioso conocidos, mientras que el ML no supervisado y la detecci\u00f3n de anomal\u00edas ayudan a identificar comportamientos novedosos.<\/p>\n\n\n\n Dado que el an\u00e1lisis de tr\u00e1fico cifrado no descifra las cargas \u00fatiles, protege la privacidad del usuario mientras identifica conexiones que probablemente sean arriesgadas y sospechosas. Esto permite que los dispositivos de seguridad descifren e inspeccionen selectivamente las sesiones TLS que se identifican como las m\u00e1s arriesgadas.<\/p>\n\n\n\n El an\u00e1lisis de tr\u00e1fico cifrado se centra en analizar metadatos, incluyendo la duraci\u00f3n del flujo, los tama\u00f1os de los paquetes, el tiempo, las caracter\u00edsticas del apret\u00f3n de manos de TLS, SNI y los atributos del certificado. Esta informaci\u00f3n no est\u00e1 cifrada en las sesiones TLS porque es menos sensible que las cargas \u00fatiles de los paquetes. Al evitar el descifrado de las cargas \u00fatiles de los paquetes, donde se encuentra la informaci\u00f3n de la sesi\u00f3n del usuario, estas herramientas protegen la privacidad del usuario.<\/p>\n\n\n\n La IA puede analizar los metadatos del tr\u00e1fico para detectar formas comunes de tr\u00e1fico de red malicioso, como tr\u00e1fico de comando y control, exfiltraci\u00f3n de datos y movimiento lateral. Algunos patrones clave que la IA puede reconocer en el tr\u00e1fico cifrado incluyen:<\/p>\n\n\n\n Estos indicadores pueden ser utilizados para identificar tr\u00e1fico potencialmente malicioso dentro de un entorno empresarial. Estos flujos de red pueden ser marcados para desencriptaci\u00f3n por sistemas de prevenci\u00f3n de intrusiones (IPS) y motores anti-malware, equilibrando seguridad, privacidad y rendimiento.<\/p>\n\n\n\n Las soluciones de an\u00e1lisis de tr\u00e1fico cifrado basadas en IA pueden utilizar diversas caracter\u00edsticas para identificar tr\u00e1fico malicioso. Estas incluyen:<\/p>\n\n\n\n Las herramientas basadas en IA pueden emplear aprendizaje supervisado o no supervisado para identificar amenazas. Los modelos supervisados son entrenados con tr\u00e1fico malicioso\/benigno etiquetado para identificar amenazas conocidas, y los modelos no supervisados detectan desviaciones del comportamiento \u00abnormal\u00bb para la detecci\u00f3n de amenazas novedosas. Adem\u00e1s, algunas plataformas incorporan fuentes de inteligencia sobre amenazas y l\u00f3gica basada en reglas junto con IA.<\/p>\n\n\n\n El apret\u00f3n de manos TLS se utiliza para negociar una sesi\u00f3n TLS y contiene una gran cantidad de informaci\u00f3n \u00fatil que puede ser utilizada para diferenciar tr\u00e1fico leg\u00edtimo de tr\u00e1fico malicioso. Algunos campos importantes que las soluciones de an\u00e1lisis de tr\u00e1fico cifrado basadas en IA examinan incluyen:<\/p>\n\n\n\n El tr\u00e1fico leg\u00edtimo de sesiones de usuario en navegadores web tendr\u00e1 ciertos valores para estos atributos. Por lo tanto, cualquier desviaci\u00f3n o anomal\u00eda puede indicar servicios falsificados, marcos de malware o canales encubiertos. Al buscar estas se\u00f1ales de advertencia, las herramientas de an\u00e1lisis de tr\u00e1fico cifrado basadas en IA pueden diferenciar potencialmente el tr\u00e1fico C2 y otros flujos de datos maliciosos.<\/p>\n\n\n\n La inspecci\u00f3n TLS y la inspecci\u00f3n de tr\u00e1fico cifrado basada en IA son soluciones complementarias. La IA puede analizar de manera eficiente los metadatos no cifrados para identificar los flujos de red que requieren descifrado y un an\u00e1lisis m\u00e1s profundo.<\/p>\n\n\n\n Para equilibrar el rendimiento y las consideraciones de seguridad, una metodolog\u00eda de inspecci\u00f3n TLS debe seguir las mejores pr\u00e1cticas<\/a> y definir pol\u00edticas para determinar cu\u00e1ndo se debe realizar el descifrado y cu\u00e1ndo se puede omitir. Por ejemplo, un sistema puede exigir que un flujo de red con un puntaje de riesgo generado por IA por encima de un umbral particular requiera descifrado. Adem\u00e1s, las pol\u00edticas pueden requerir o prohibir el descifrado para ciertos tipos de tr\u00e1fico, como conexiones a sitios bancarios y de salud.<\/p>\n\n\n\n\u00bfPor qu\u00e9 el tr\u00e1fico cifrado crea puntos ciegos para la seguridad?<\/h2>\n\n\n\n
\u00bfC\u00f3mo funcionan los enfoques tradicionales centrados en el descifrado?<\/h3>\n\n\n\n
\u00bfQu\u00e9 es el an\u00e1lisis de tr\u00e1fico cifrado basado en IA?<\/h2>\n\n\n\n
C\u00f3mo el An\u00e1lisis de Tr\u00e1fico Cifrado Protege la Privacidad<\/h3>\n\n\n\n
\u00bfC\u00f3mo Detecta la IA Amenazas en el Tr\u00e1fico Cifrado Sin Descifrado?<\/h2>\n\n\n\n
\n
Ejemplos de caracter\u00edsticas y modelos de IA en uso<\/h3>\n\n\n\n
\n
\u00bfQu\u00e9 atributos del apret\u00f3n de manos TLS y del flujo son m\u00e1s importantes?<\/h3>\n\n\n\n
\n
C\u00f3mo se integra la inspecci\u00f3n TLS con el an\u00e1lisis de tr\u00e1fico cifrado basado en IA<\/h2>\n\n\n\n
Beneficios y l\u00edmites del an\u00e1lisis de tr\u00e1fico cifrado basado en IA<\/h2>\n\n\n\n