A medida que avanzamos a toda velocidad hacia modelos de negocio basados en gran medida en los datos y en nuestra capacidad para extraer de ellos información útil, la cuestión de la integridad de los datos tendrá un impacto cada vez mayor en las empresas e, inevitablemente, en sus resultados.
En la segunda mitad de 2019, estalló una polémica en el sector de los deportes electrónicos en torno a un jugador del videojuego Fortnite. El centro de la controversia era su edad. Aunque se puede jugar a cualquier edad, para competir en el juego hay que tener 13 años. Los premios no son precisamente insignificantes: las copas con premios en metálico pueden reportar a los ganadores cientos de miles e incluso millones de dólares, lo que da a los niños con talento millones de razones para mentir.
El problema surgió el año pasado cuando uno de esos ganadores admitió haber hecho precisamente eso. Esto desató una gran polémica en toda la comunidad de jugadores, y posteriormente se expulsó al jugador de Twitter y de Twitch, la popular plataforma de streaming. A raíz de ello se produjo lo que la comunidad de Fortnite denominó «Age Gate». Los jugadores jóvenes se vieron obligados en masa a verificar su edad para que la desarrolladora Epic Games pudiera garantizar que solo los jugadores que cumplían los requisitos participaran en los torneos.
El problema, por supuesto, es que, si un jugador ha mentido una vez, no hay forma de impedir que vuelva a hacerlo. Esto resulta problemático en general, ya que pone de manifiesto la dificultad de verificar los datos proporcionados por un usuario.
Integridad de los datos
La imposibilidad de verificar la integridad (exactitud) de los datos debería ser motivo de gran preocupación para aquellas organizaciones que estén considerando adentrarse o ya estén avanzando hacia la tercera fase de la transformación digital. Esta fase depende en gran medida de los datos. Estos no solo se utilizarán para llevar a cabo actividades empresariales, sino que también servirán de base para el reconocimiento de patrones y comportamientos. Asimismo, impulsarán análisis avanzados que tomarán automáticamente decisiones operativas y empresariales sin intervención humana.
Y puede estar contaminado.
No se pueden subestimar las repercusiones que tienen los datos contaminados para las empresas. Esto va más allá de una inyección SQL diseñada para extraer o corromper los datos empresariales. Se trata de un tipo de ataque mucho más sutil, que adopta la forma de transacciones legítimas con la intención de engañar a las máquinas y a las personas que toman decisiones empresariales.
Es una avalancha de compras del producto X que lleva a los sistemas de análisis y a los analistas de negocio a creer que la demanda es mayor de lo que realmente es. Se reasignan recursos para garantizar el suministro, lo que posteriormente repercute en toda la cadena de suministro y distribución.
Pero entonces… nada. No hay una demanda real, porque se creó con falsos pretextos. De repente, los pedidos se cancelan o se ignoran porque los realizaron bots, no personas reales. La empresa se ve obligada a reaccionar de forma precipitada, reasignando recursos e intentando hacer frente a las consecuencias.
Las consecuencias empresariales de los datos de mala calidad serán reales y afectarán significativamente a los resultados financieros.
Este tipo de ataque —los ataques a la capa de negocio— será prioritario a la hora de combatirlo y prevenirlo en las últimas etapas de la transformación digital. Para ello, tendremos que combatir el fuego con fuego, por así decirlo, utilizando datos, más datos y aún más datos que ayuden a los sistemas de análisis avanzado a reconocer y rechazar los ataques que se hacen pasar por transacciones legítimas.
Esto es más que un problema empresarial. Es un reto para la integridad de los datos que requerirá combinar los conjuntos de datos de los servicios de aplicaciones, la infraestructura y las propias aplicaciones. Todos los puntos de inserción que puedan instrumentarse deberán instrumentarse para generar un conjunto sólido de datos de telemetría que permita a los análisis avanzados frustrar los ataques a la capa de negocio. Las señales y los patrones sutiles que pueden revelar un intento de comprometer la integridad de los datos solo pueden detectarse mediante un análisis exhaustivo de grandes conjuntos de datos, empleando el aprendizaje automático y aprovechando la considerable potencia de cálculo disponible en la nube. Desde identificar bots hasta reconocer comportamientos atípicos, la capacidad de diferenciar entre una actividad empresarial legítima y un ataque malicioso será fundamental no solo para el éxito de las empresas, sino también para su supervivencia.
Puede que nunca seamos capaces de impedir que los menores mientan sobre su edad en Internet, al menos no mediante la tecnología. Pero sí podremos aprovechar lo que esto nos enseña sobre los datos de mala calidad para crear mejores servicios de aplicaciones y sistemas capaces de ofrecer una protección adecuada frente a los ataques a la capa de negocio.
Sobre el autor
Lori MacVittie es ingeniera distinguida y evangelista jefe en la Oficina del CTO de F5, y cuenta con una amplia experiencia en entrega de aplicaciones, estrategia de automatización e infraestructura. Es conocida por convertir la complejidad en claridad, ya sea definiendo mecanismos de protección para agentes de IA, analizando arquitecturas multinube frágiles o explorando los límites de los sistemas escalables. Aporta más de treinta años de experiencia en el sector en desarrollo de aplicaciones, arquitectura de TI y operaciones de redes y sistemas. Antes de incorporarse a F5, fue una galardonada editora de tecnología. MacVittie posee un máster en Informática y es una autora prolífica cuyas publicaciones abarcan la seguridad, la nube y la arquitectura empresarial. También es una apasionada de los juegos de mesa y los videojuegos, y expresa sin complejos sus firmes opiniones sobre el queso.
Más artículos de Lori Mac VittieArtículos relacionados del blog
Proteger los endpoints de las API dificulta la seguridad de las API
Descubre las complejidades de la seguridad de las API, los retos a los que se enfrentan las organizaciones, la evolución de los ataques contra endpoints de API y la necesidad de políticas de seguridad adaptadas.
¿Qué es el sesgo de la IA y por qué es importante para TI?
Descubre los fundamentos del aprendizaje de la IA. Aprende cómo pueden surgir sesgos en la IA y qué riesgos plantean para las TI y la transformación digital.
Redefiniendo la ciberseguridad en el extremo de la nube distribuida con IA y telemetría en tiempo real
La transformación digital y la adopción de tecnologías en la nube están provocando cambios en las arquitecturas de las aplicaciones. Estos cambios introducen nuevas superficies de ataque, que son el objetivo de métodos de ataque avanzados, altamente organizados y con motivaciones económicas. Mediante el uso del framework Morpheus de NVIDIA, F5 está investigando técnicas para detectar estas amenazas avanzadas con telemetría en tiempo real y análisis basados en IA.
El papel de la nube en las aplicaciones nativas del edge
No debería sorprender que, al igual que la aparición de la nube dio lugar a las aplicaciones nativas de la nube, el edge esté impulsando un conjunto de aplicaciones nativas del edge. Sin embargo, estas aplicaciones no residirán únicamente en el edge. Al mismo tiempo, están surgiendo nuevos patrones arquitectónicos que aprovechan las aplicaciones alojadas en la nube y en el centro de datos.
La creciente diversidad de ubicaciones y usuarios está impulsando a las empresas hacia el edge
En el contexto del ámbito de las aplicaciones, el término «usuario» siempre se ha referido a la entidad que interactúa con una aplicación. Del mismo modo que los cambios en las arquitecturas de las aplicaciones impulsan cambios en las tecnologías que permiten ofrecerlas y protegerlas, los cambios en la definición de usuario han provocado cambios en los lugares donde se despliegan las aplicaciones.
El edge está impulsando un renacimiento de las infraestructuras
A medida que las organizaciones aumentan la generación de datos y tratan de extraer valor empresarial de ellos, sin duda recurrirán a la analítica y la automatización basadas en la IA y el aprendizaje automático. Precisamente este tipo de cargas de trabajo son las que más se beneficiarían de una infraestructura optimizada y, sin embargo, hoy en día son las que menos probabilidades tienen de poder aprovecharla.