Detector de anomalías basado en XAI para la red inteligente para proteger contra amenazas cibernéticas sofisticadas

El profesor asistente de SUNY Poly, Dr. Mahmoud Badr y sus colegas han publicado nueva investigación en Ciencias Aplicadas titulado «Detector de anomalías preciso basado en XAI que es robusto contra ataques de evasión de caja negra para la red inteligente». Esta importante investigación presenta un sistema avanzado de detección de anomalías diseñado específicamente para proteger las redes inteligentes de amenazas cibernéticas sofisticadas, lo que supone un avance notable en el uso de XAI en ciberseguridad para infraestructuras críticas.

Al combinar la detección precisa de anomalías con la resiliencia contra ataques sofisticados, este enfoque basado en XAI podría ayudar a salvaguardar las futuras redes inteligentes, promoviendo sistemas de distribución de energía confiables y seguros en entornos cada vez más digitalizados.

Los modelos tradicionales de ciberseguridad a menudo luchan contra los ataques de evasión de caja negra, donde los atacantes manipulan las entradas de datos para eludir los mecanismos de detección. Esta investigación aprovecha la inteligencia artificial explicable (XAI) para mejorar la transparencia y la solidez del modelo de detección de anomalías, lo que permite una alta precisión en la identificación de actividades maliciosas y resiliencia contra intentos de evasión.

En entornos de redes inteligentes, donde la infraestructura y la comunicación de la red deben permanecer seguras, la detección precisa de anomalías es fundamental. El modelo basado en XAI de este estudio proporciona un razonamiento claro para sus decisiones de detección, lo que facilita que los operadores comprendan y confíen en los resultados del sistema. Esta transparencia es un diferenciador clave de los modelos convencionales de aprendizaje automático de «caja negra», que a menudo dejan a los usuarios sin saber por qué se activan alertas específicas.