Con ayuda de la física social , (una nueva disciplina que apunta a ayudarnos a comprender y predecir mejor el comportamiento de los grupos humanos) se detectaron en las redes sociales a decenas de miembros del Estado Islámico que aparentaban ser simples civiles.
El campo emergente de la física social se muestra prometedor en la detección de delitos informáticos
https://blogs.wsj.com/cio/2018/10/05/emerging-field-of-social-physics-shows-promise-in-cybercrime-detection/?mod=hp_minor_pos4
Policía de Indonesia en la sede de la Policía Metropolitana de Yakarta presenta identificaciones de 153 ciudadanos chinos acusados de cometer delitos informáticos, Yakarta, 21 de julio de 2017. FOTO: TUBAGUS ADITYA IRAWAN / ZUMA PRESS
Hace unas semanas escribí sobre física social , una nueva disciplina que apunta a ayudarnos a comprender y predecir mejor el comportamiento de los grupos humanos. La física social se basa en la premisa de que todos los datos de eventos que representan actividad humana contienen un conjunto especial de patrones de comportamiento grupal. Siempre que los datos involucren actividad humana, independientemente del tipo de datos o la demografía de los usuarios, se aplican dinámicas de comportamiento similares. Estos patrones pueden usarse para detectar tendencias de comportamiento emergentes antes de que puedan ser observadas por otras técnicas de análisis de datos.
Y entre esas tendencias en las que la física social puede resultar útil: las actividades cibernéticas.
La física social se originó en Human Dynamics Lab del MIT y en un artículo reciente publicado en New Solutions for Cybersecurity , Alex (Sandy) Pentland y Yaniv Altshuler del MIT discuten la aplicación de la física social al crimen cibernético
El documento comienza explicando cómo difiere la física social y complementa los métodos de aprendizaje automático, que son más exitosos cuando se aplican a problemas complejos como la traducción automática y el reconocimiento de imágenes y voz, donde hay una gran cantidad de datos disponibles y los datos son bastante estáticos. Los datos derivados del comportamiento humano son muy diferentes. Es dinámico, altamente versátil, siempre cambiante e influenciado por complejas interacciones sociales. Predecir el comportamiento humano requiere la capacidad de analizar con frecuencia conjuntos de datos relativamente pequeños recopilados en períodos cortos de tiempo.
"La física social aborda los datos desde un ángulo completamente diferente", escriben los Sres. Altshuler y Pentland. "En lugar de derivar patrones a partir de los datos de entrada en sí, se basa en el descubrimiento de que se garantiza que todos los datos del comportamiento humano contienen en su interior un conjunto de leyes comunes de comportamiento social: relaciones matemáticas que surgen cuando un número lo suficientemente grande de personas operan de la misma manera. espacio ". Algunas capacidades clave diferencian la física social de otros métodos analíticos:
- Es agnóstico: no necesita saber qué pregunta hacer, solo dé ejemplos de las entidades de interés (EOI) para buscar en el formulario "aquí hay un ejemplo X, encuéntrame más de X".
- Las entidades similares a las EOI definidas se buscan dentro de los datos, principalmente a partir de correlaciones temporales , que se pueden hacer de manera mucho más rápida y precisa que los algoritmos de aprendizaje automático.
- Es capaz de detectar comportamientos dinámicos que se correlacionan con las EOI en tiempo real, lo que podría indicar patrones emergentes u ocultos.
La física social busca patrones, no contenido, por lo que puede analizar conjuntos de datos totalmente encriptados, lo que permite que las compañías financieras, los proveedores de atención médica o las cadenas de bloques mantengan la privacidad de los datos.
El artículo discute dos aplicaciones concretas de la física social para la detección de delitos cibernéticos. La primera aplicación es sobre la detección de actividades de ISIS en Twitter Inc. Recientemente, una agencia de inteligencia proporcionó metadatos de 15 millones de Tweets para el análisis de Endor, una empresa con sede en Israel creada por los señores Altshuler y Pentland que aprovecha los métodos de física social para hacer predicciones rápidas y precisas . Como prueba de las capacidades de la plataforma, la agencia reveló la identidad de 50 cuentas que se sabe que son activistas de ISIS cuyos tweets se incluyeron en los datos de entrada, y le pidió a Endor que detectara 74 cuentas adicionales que estaban ocultas en los datos.
El motor de análisis de Endor identificó 80 cuentas de Twitter como EOI potenciales porque eran lo suficientemente similares a las muestras positivas que la agencia proporcionó. Cuarenta y cinco eran coincidencias correctas, parte de la lista de 74 cuentas ocultas, mientras que 35 eran resultados falsos positivos. Dicha tasa de falsa ley permite a los expertos humanos investigar más a fondo los objetivos.
Tres razones clave hacen de la física social una herramienta ideal para detectar este tipo de amenazas ocultas en el entorno cibernético, como fue el caso en esta aplicación en particular:
"La capacidad de conectarse a flujos de datos estructurados de manera semántica y agnóstica permitió al motor de física social procesar de manera eficiente flujos escritos en idiomas extranjeros, como el árabe, el urdu o el farsi, que muchas de las herramientas de análisis de datos tradicionales no pueden digerir fácilmente"."Del mismo modo, el uso de palabras en código, comportamiento evasivo o cualquier otro intento de enmascarar las intenciones, actividades o lazos sociales de uno por metadatos o manipulaciones del lenguaje, frecuentes en casos de uso de inteligencia y ciberterrorismo, se pueden descifrar fácilmente (o más precisamente) , ignorado por completo) utilizando la física social ".“El análisis de inteligencia tradicional a menudo se asemeja a un largo proceso de ubicar numerosas piezas de un solo rompecabezas y unirlas meticulosamente, desentrañando una historia oculta. Por otro lado, utilizando la física social ... el motor de Física Social recibe un "hilo suelto" del analista como entrada, y tamiza automáticamente cientos de las piezas más relevantes, listo para que el analista las examine rápidamente y construya el completo. imagen global ".
La segunda aplicación conllevó la detección de actividad bitcoin fraudulenta. Dado que las transacciones de bitcoin no involucran a una autoridad central o un tercero de confianza, se ha convertido en un método de pago de elección para una variedad de jugadores de delitos informáticos. Además, si bien la infraestructura basada en blockchain de bitcoin es altamente segura, los intercambios de bitcoin se han pirateado repetidamente a lo largo de los años. Y una vez que se roban los bitcoins, es casi imposible recuperarlos. Si has almacenado bitcoins en un intercambio que ha sido hackeado, se pierden esencialmente .
La historia completa de las transacciones de bitcoin está disponible públicamente en la cadena de bloques de bitcoin, aunque toda la información de identidad está cifrada. Sin embargo, la física social se puede usar para analizar tales cadenas de bloques de bitcoin cifradas en busca de grupos de transacciones que parecen estar demasiado correlacionados.
"Esto se hace detectando patrones de transacciones de Bitcoin que los dictados de la física social tienen muy pocas probabilidades de surgir espontáneamente", escriben. "Estas correlaciones de comportamiento pueden compararse con un conjunto dado de etiquetas positivas ... lo que resulta en la detección de correlaciones de comportamiento ( cada uno representa una 'realidad común del mundo real') que está asociada con los Bitcoins robados en cuestión ".
Irving Wladawsky-Berger trabajó en IBM durante 37 años y ha sido asesor estratégico de Citigroup, HBO y Mastercard. Está afiliado a MIT y al Imperial College, y es colaborador habitual de CIO Journal.
