Big Data #4

Bienvenidos a la cuarta entrega acerca de la big data, espero se suscriban, interactuen y le den Resteem. Gracias @javf1016

Primera entrega: https://steemit.com/spanish/@javf1016/big-data
Segunda entrega: https://steemit.com/spanish/@javf1016/big-data-2
Tercera entrega: https://steemit.com/spanish/@javf1016/big-data-3

III. Machine Learning en la Seguridad Informática

Machine Learning, Aprendizaje automático o aprendizaje de máquinas, es uno de los componentes de la inteligencia artificial enfocada en aplicar modelos matemáticos para que las computadoras, maquinas puedan aprender. Extraer el entorno, la naturaleza real en la que nos encontramos, interpretarla e incorporarla en un modelo matemático, resulta en un lenguaje de máquina, que puede ser leído e interpretado por elementos artificiales, convirtiéndolos en colaboradores con la capacidad de autoaprendizaje.

Aprendizaje está totalmente ligado a la generalización, a la capacidad de reacción en diferentes contextos; hay que tener en cuenta que en este contexto vamos a necesitar (3) tres elementos principalmente, los cuales son:

Agente
Entorno
Función

El agente es una entidad la cual es capaz de percibir lo que sucede en el entorno para el cual está desarrollado y puede interactuar con él. Fig. 6 .La función se encarga de percibir el comportamiento normal y detectar cualquier anomalía, proceso inusual dentro del sistema en tiempo real.

Fig. 6 Agente interactúa con el entorno para adquirir conocimiento

Un agente adquiere el conocimiento, aprende si llega a obtener la capacidad de cambiar su comportamiento en tiempo real, mejorando la función que tiene dedicada, llevándola a su estado óptimo. El aprendizaje o conocimiento adquirido se clasifica en (3) tres grandes tipos:

Aprendizaje no supervisado: El agente no necesita información externa a la que se maneja.
Aprendizaje supervisado: Existe un supervisor el cual introduce información a manejar.
Aprendizaje por refuerzo: Existe un supervisor que introduce información al agente y verifica si lo que se realiza este bien o mal, pero no cambia su función.

El gran volumen diario de alertas generadas en un sistema, hace que los seres humanos lleguemos a perder eficacia en el análisis, algo que una máquina puede utilizar a su favor, haciendo que su capacidad predictiva aumente. Para este proceso vamos a introducir un nuevo término el cual es “Data Mining”, proceso en el cual extraemos grandes cantidades de datos con el fin de generar patrones y así identificar y establecer relaciones.
Un sistema de reconocimiento de patrones contiene:

Sensores
Interpretación
Predicción
Aprendizaje

En la siguiente imagen observamos como diferentes sistemas son adecuados a los patrones expuestos. Fig. 7

Fig.7 Proceso de aprendizaje

El conocimiento es plasmado en la función de múltiples formas ya que son funciones matemáticas, puede que sea mapeado en forma de árbol, red, modelo probabilístico, modelo geométrico, etc. La aplicación del modelo aprendido está en un proceso llamado clasificación, se encuentra dentro de lo que llamamos interpretación, lo que realiza el agente es consultar al modelo o función mediante un vector de entrada, el modelo realizara una clasificación de lo que llega a través del vector y lo asociara a uno de los aprendizajes que tiene y finalmente el agente será capaz de realizar una predicción y actuara conforme a lo que establezca.

Glosario
Machine learning, aprendizaje automático o aprendizaje de máquinas.