Cómo distinguir el bot del usuario humano

En un mundo digital cada vez más interconectado, la amenaza de bots maliciosos se desarrolló drásticamente. Estos programas automatizados, diseñados para simular comportamientos humanos, representan hasta el 50% del tráfico de Internet y se utilizan en la publicidad de publicidad, creando cuentas falsas y ataques en sistemas biométricos.

Su detección implica que diseña una capa de seguridad adicional que proteja los datos confidenciales. Sin embargo, los sistemas actuales, como los códigos CAPTCHA, el análisis de tráfico y la autenticación multifáctica, tienen vulnerabilidades significativas.

Los bots más avanzados logran superar estas barreras, explotando las técnicas de inteligencia artificial para copiar el comportamiento humano casi perfecto.

El papel de la biometría conductual

Los bots han alcanzado el nivel alarmante de sofisticación: imitan los movimientos del ratón, la tela de cadencia o la escritura en pantallas táctiles. Esto establece un desafío clave para los sistemas de seguridad tradicionales que a menudo pueden distinguir un hombre real y un bot.

Dada esta realidad, es esencial mejorar y evolucionar los métodos de detección, desarrollando soluciones que pueden adaptarse a la aparición de amenazas.

Aquí hay biómetros en comportamiento, tecnología que identifica a los usuarios a través de sus formas de interacción de comportamiento con dispositivos digitales. Esta es una nueva línea de defensa que promete cambiar las reglas del juego, especialmente el análisis de las campanas del movimiento humano.

A medida que la campana difiere una voz humana de un sintético, en el movimiento humano, la campana refleja irregularidades únicas obtenidas de los procesos biomecánicos y neuromotores. Estas características son extremadamente difíciles de imitar los bots, lo que los convierte en una característica característica de la detección.

Saed Cycle Sugerings sugirieron descubrir bots maliciosos. Díaz y Ferrer, 2023. Bots de cámara que imitan a las personas

En este escenario, en la Universidad de Las Palmas de Gran Canaria, hemos desarrollado un proyecto biotimbre, que propone un enfoque disperso basado en un ciclo SAED (acrónimo de sintetización, ataque contra el ataque, evaluación, revelación).

Esto no solo está tratando de fortalecer la detección de robots, sino también mejorar sus capacidades de simulación a través de la síntesis avanzada de los movimientos humanos. Entonces, el primer paso es sintetizar: se crearon bots más realistas al involucrar las “campanas” del movimiento humano, que incluye imperfecciones naturales de los sistemas neuromotores y musculares.

Estos bots generados se utilizan para simular ataques y evaluar la efectividad de los detectores actuales. Los resultados obtenidos se analizan para identificar puntos débiles en los sistemas de detección.

Gracias a esto, los modelos se mejoran de manera atenuada mediante el entrenamiento con todas las muestras reales.

Sinergia entre generación y descubrimiento

La innovación del ciclo SAED radica en su capacidad para mejorar ambos extremos del espectro cibernético curado. Por un lado, creamos bots más poderosos: incluido Bell en modelos generativos, los bots no pueden ser diferentes de los movimientos humanos reales.

Por otro lado, se pueden diseñar detectores más eficientes: la exposición a bots más avanzados le permite entrenar detectores que exceden las capacidades de los sistemas actuales y aumentan su precisión y robustez.

Implicaciones futuras

El análisis y la síntesis de campana no solo tienen aplicaciones en seguridad cibernética. Su potencial se está expandiendo a sectores como la salud, supervisar los movimientos en pacientes con enfermedades neurodegenerativas y educación, por ejemplo, para evaluar el desarrollo motor en niños. Este enfoque ofrece un nuevo estándar en la interacción de la máquina humana y la protección de nuestra identidad digital.

La lucha contra los bots es un desafío constante, pero al explotar sus propios movimientos de comportamiento únicos, podemos ser un paso adelante en la carrera de seguridad.