Separar la señal del ruido en la lucha contra la suplantación de marca

«Fatiga de alertas» debe ser la dolencia más común entre los profesionales de la ciberseguridad. Según una encuesta reciente, el 56% de las grandes empresas gestionan más de 1000 alertas cada día. Para el 70% de los profesionales de seguridad, el volumen de alertas se ha duplicado en los últimos años, y más del 51% de las campañas implican alguna forma de suplantación de marca generada por IA.

Para la mayoría de las empresas, la preocupación no es simplemente el volumen, sino el tiempo perdido persiguiendo notificaciones que resultan no ser problemas reales. Cada falso positivo aleja a su equipo de las amenazas reales que están perjudicando a su negocio y a su marca. Lo que está en juego no podría ser más importante. El año pasado, la suplantación de marca costó a las empresas casi 3000 millones de dólares en ingresos de los consumidores, y cada hora que un ataque continúa, se fortalece, se propaga más y se vuelve más costoso y laborioso de eliminar.

¿Cuál es la respuesta a la fatiga de alertas y al ruido del sistema? Modelos de IA especializados que pueden analizar miles de millones de puntos de datos para identificar dominios similares de alto riesgo ocultos entre el ruido.

Mi objetivo es enseñarle cómo utilizar la protección de marca impulsada por IA para monitorizar grandes conjuntos de datos de dominios y enviar alertas verificadas por IA directamente a su Centro de Operaciones de Seguridad (SOC) para una acción rápida. ¿La meta? Ayudarle a defender su marca, ahorrar dinero a su empresa y quizás incluso salvar su propia cordura.

Esta es la pregunta eterna entre los profesionales de la seguridad. Con una bandeja de entrada llena de alertas y su equipo enviándole mensajes cada dos minutos a través de MS Teams o Slack, llegar al 2-5% de amenazas reales (la señal) y descartar el 95-98% restante (el ruido) le permite centrarse en las amenazas más críticas para su negocio.

No llegará muy lejos sin una buena detección. Su camino debe comenzar por encontrar los elementos desconocidos que podrían generar fraude y responsabilidad legal que afecte a su marca. Los equipos de seguridad, ya sobrecargados, no tienen tiempo para pensar en dominios similares ni para hacerles seguimiento en hojas de cálculo. Tampoco tienen tiempo para clasificar dominios similares inofensivos o TI en la sombra (shadow IT). La detección de primer nivel comienza escaneando internet diariamente en busca de los más de 100 millones de dominios, subdominios y nombres de host recién activados que podrían afectar a su marca.

¡Pero hay más tareas que se pueden delegar! Existen todo tipo de metadatos para un dominio o host determinado que pueden utilizarse para descubrir y evaluar activos previamente desconocidos. Esto puede incluir la evaluación de elementos como WHOIS, SSL, registros de correo y otras fuentes para un dominio determinado. Hacer esto manualmente supone una enorme cantidad de trabajo, pero la herramienta adecuada puede encargarse del trabajo pesado por usted.

Mientras que muchos profesionales se centran demasiado en los conjuntos de funciones, yo prefiero enfatizar que los responsables de marca deben centrarse en los resultados. Con la detección, el objetivo es mapear su patrimonio digital sin necesidad de una revisión manual y prolongada. La detección no solo elimina el ruido para ahorrar tiempo y dinero, sino que también detiene la responsabilidad legal y el fraude en tiempo real al detectar sitios impostores antes de que se conviertan en armas. Y como beneficio adicional, también puede ayudarle a descubrir activos olvidados y desconocidos.

Si la detección le permite observar rápidamente toda la internet, el análisis refina sus resultados iniciales con modelos de IA que detectan logotipos, rostros, contenido de página y clasificación por sector, brindándole el contexto necesario para identificar y priorizar los sitios maliciosos.

Para los equipos que dependen de flujos de trabajo manuales, revisar un puñado de sitios podría ser una tarea de todo el día. Pero para los equipos de seguridad, la IA especializada puede eliminar estas tareas rutinarias para que los profesionales puedan centrarse en cuestiones más importantes. Los analistas ya no tienen que evaluar un sitio web similar en busca de uso indebido de logotipos. En cambio, pueden centrarse en asuntos más importantes.

Hacer algo útil con las señales de riesgo es aún más importante. Por ejemplo, ¿cuál es la diferencia entre el sitio de una empresa que se parece al suyo y uno creado con intención criminal? La IA puede distinguir la diferencia mediante una puntuación de riesgo inteligente, asignando dinámicamente una puntuación en función del nivel de suplantación, la clasificación por sector y el impacto financiero de la campaña.

Dado que cada organización tiene sus propios parámetros de riesgo, un enfoque único para todos no va a funcionar. Un sitio que recopila información personal para una inmobiliaria es preocupante. Pero para un proveedor de atención médica, dada la sensibilidad de los datos de los pacientes, es una emergencia total.

De nuevo, igual que con la detección, el objetivo sigue siendo eliminar el ruido tan rápido como sea posible para proyectar la integridad de la marca y fomentar la confianza y la lealtad de sus clientes. Con más tiempo, la rapidez de acción puede reducir cualquier daño potencial a su organización.

La aplicación de medidas es donde las cosas se ponen serias. Tras realizar la detección y evaluación iniciales, los modelos de IA especializados pueden filtrar aproximadamente el 80% de los dominios que resultan ser benignos. Para el 20% restante, los agentes de IA pueden evaluar el contexto de cada sitio potencialmente riesgoso con la inteligencia profunda de un analista humano.

El objetivo aquí es reemplazar la revisión manual de amenazas con un proceso que detecte problemas críticos que de otro modo podría haber pasado por alto y los clasifique para lograr la resolución más rápida posible. Para lograr una eficiencia aún mayor, puede integrar su flujo de trabajo con los Centros de Operaciones de Seguridad (SOC) y el equipo de Gestión de Información y Eventos de Seguridad (SIEM), de modo que la aplicación preliminar de medidas se inicie lo antes posible.

Como ejemplo de lo que estoy hablando, «redsoft.com» parece sospechoso: utiliza el logotipo de Red Sift y alberga un sitio activo. Los sistemas tradicionales podrían marcarlo como malicioso. Afortunadamente, el agente de IA reconoce el logotipo en una sección de «prueba social», compara las relaciones comerciales y identifica a «Red Soft» como legítimo. Clasifica el dominio como seguro, evitando falsos positivos y ahorrando tiempo al analista.

Sé que es un ejemplo sencillo, pero demuestra que la IA agéntica no es una tecnología del futuro, sino una herramienta práctica del presente.

El ruido no va a detenerse. Cada día, los actores maliciosos innovan nuevas formas de atacar su marca. La buena noticia es que, cuando las empresas la implementan correctamente, la IA puede superar esa asimetría. En lugar de los falsos positivos de soluciones inferiores, la solución que elimina el ruido es aquella que le ofrece una clasificación a nivel de analista, sin necesidad del analista.

Ya sea que decida automatizar uno o dos pasos o todo el proceso, el agente de IA en su solución de protección de marca extiende la automatización a esa área gris donde se necesita el criterio humano, ofreciendo una clasificación a nivel de analista para dominios similares que las reglas no pueden resolver.

En resumen, ya sea que su marca valga miles de millones de dólares o sea un negocio local, la suplantación de marca es un problema de 3000 millones de dólares al año con el que debe lidiar. Nadie es demasiado grande ni demasiado pequeño para ser un objetivo. De hecho, me atrevería a decir que quienes tienen un presupuesto más reducido tienen muchas más probabilidades de estar en riesgo, dado que se espera que no cuenten con ninguna herramienta de protección de marca implementada.

Para obtener orientación adicional sobre cómo gestionar esta situación, explore las últimas estrategias en el Centro de Recursos de Confianza de Marca.

Rahul Powar es cofundador y director ejecutivo (CEO) de Red Sift. Anteriormente, fue director de Productos Avanzados en Thomson Reuters.