DCNC Sciences hace frente a las ciberamenazas con Big Data y redes complejas

  • Content Marketing

En la frontera de las redes complejas, los datos y la ciberseguridad hay un modelo científico que busca lo inusual para desvelar lo evidente y hacer frente a las ciberamenazas.

Más sobre seguridad

¿Cómo gestionar los riesgos y la seguridad en 2019? 

Guía de los líderes de red para proteger la SDWAN 

Robo de credenciales: prioriza la seguridad de tus apps

Estado de la ciberseguridad industrial en 2018 

Informe SophosLabs 2019 Threat Report 

Todo lo que deberías saber sobre las amenazas cifradas 

El manejo de ingentes cantidades de datos y la ciberseguridad es algo cada vez más habitual en los sectores más relevantes de nuestra sociedad. Términos como Big data y Data Science son cada vez más habituales y, lo que es más importante, es necesario comprenderlos y saber aplicarlos para evitar graves problemas de seguridad.

El Technological Institute for Data, Complex Networks & Cybersecurity Sciences, o DCNC Sciences, nace para dar continuidad y un mayor protagonismo a la formación en ciberseguridad que se venía impartiendo de manera intermitente desde la Universidad Rey Juan Carlos en los últimos años.

Durante la presentación oficial del Instituto, que nace con vocaciónd de formar en ciberseguridad tanto a jóvenes como a veteranos, se habló de aplicar modelos matemáticos a grandes volúmenes de datos para solucionar problemas de ciberseguridad.

Explicaba Santiago Moral, uno de sus directores, que la propuesta formativa de este DCNC Sciences mezcla cuatro campos, el Machine Leaning, los Datos, los redes complejas y la analítica, todo ello con el objetivo de hacer frente a las ciberamenazas aplicando algoritmos de machine learning y de Deep learning sobre volúmenes de datos.

El Máster que ofrece el Instituto, que tiene por título Data, Complex Networks and Cybersecurity Sciences, consta de 5 módulos formativos, los dos primeros (Learning Path: Cybersecurity fundamentals y “Learning Path: Python”) se entienden como módulos “0” imprescindibles para poder seguir los otros 3 módulos. Cada módulo está constituido por varias asignaturas.

El objetivo del máster es aprender a buscar el ruido, a buscar lo extraño, “dejar evidente lo anómalo”, explicaba durante la presentación Santiago Moral, añadiendo, que se trata de “buscar agujas en pajares cada vez más grandes”. ¿Cómo se escucha ese ruido? Con Matemáticas aplicaciones a datashets con asimetría extrema, con técnicas y algoritmos especializados.

Se enumeran algunas de esas técnicas: Eliminación de negativos auténticos; cruce de fuetnes con el mismo ruido; Machine Learning sobre Shapes (formas) y sistemas de IA que fabrica IA, o lo que es lo mismo, dos motores de inteligencia artificial en el que el primero condiciona al segundo.

En el Master, con un total de 600 horas lectivas Presenciales, con un total de 60 CTS, y en que el alumno deberá presentar obligatoriamente la realización de ejercicios y trabajos de cada uno de los módulos, se va a estudiar cómo se extraen los datos, de dónde y qué matemáticas se aplica sobre ellos, entre otras cosas.

Regino Criado, también director del instituto tecnológico DCNC Sciences, habla durante la presentación del mismo sobre el modelo científico asegurando que su concepción responde a “una nueva rama del conocimiento en la frontera de las redes complejas, los datos y la ciberseguridad”.

La ciencia de los datos, explicaba Criado, nos permite estudiar grandes volúmenes de información, el análisis de Redes Complejas nos permite reducir la complejidad de la información y la Ciencia de Datos sobre y con Análisis de Redes Complejas permite poder estudiar los datos y sus relaciones no lineales. Todo ello, foco del Máster del Instituto: cómo recopilar, analizar y aplicar modelos científicos, machine learning, sobre esos datos para hacer modelos de toma de decisiones rápidas y ejecutivas.