Otros productos de investigación
URI permanente para esta colección
Examinar
Envíos recientes
- ÍtemAcceso Abierto
Evaluating a Breach Attack Simulation Platform (BAS) through a Functional and Industry-based Approach(2024-11-20) Contreras, Juan; Salazar, Laura; Díaz López, Daniel OrlandoEste estudio evalúa MITRE Caldera como plataforma de Breach and Attack Simulation (BAS) mediante un enfoque funcional y comparativo con criterios de la industria. La evaluación considera agentes Red, Blue y Human, así como complementos orientados a visualización, integración con Metasploit, respuesta a incidentes y simulación de actividad legítima. Asimismo, Caldera se analiza a partir de los diez criterios propuestos por Picus para seleccionar soluciones BAS, incluyendo cobertura del ciclo de ataque, automatización, validación de controles, personalización, reportes y facilidad de uso. Los resultados muestran fortalezas en automatización, mapeo con MITRE ATT&CK y flexibilidad como solución de código abierto, pero también limitaciones en documentación, personalización y validación de controles. El trabajo concluye proponiendo mejoras en generación de reportes y recomendaciones de mitigación para ampliar su aplicabilidad empresarial. - ÍtemAcceso AbiertoToward Privacy Protection in Data Flows Exchanged with a Large Language Model (LLM)(2024-11-20) Ocampo, Danna; Bonilla, Sofia; Díaz López, Daniel Orlando; Wightman, PedroEste trabajo propone una arquitectura para fortalecer la privacidad de los datos intercambiados con modelos de lenguaje de gran escala (LLM). La solución aborda riesgos como la exposición de información sensible, la inyección maliciosa de prompts y la escalación de privilegios mediante un esquema bidireccional de detección y anonimización. Antes de enviar información al LLM, el sistema identifica y ofusca datos sensibles; posteriormente, analiza las respuestas generadas para prevenir filtraciones hacia el usuario. La propuesta integra técnicas de procesamiento de lenguaje natural, expresiones regulares, DistilBERT y modelos de detección de objetos como YOLOv8. Los experimentos consideran información textual e imágenes sensibles en escenarios usuario–LLM y LLM–usuario. Los resultados sugieren que la combinación de detección, anonimización, cifrado y control de acceso puede mejorar la privacidad sin comprometer significativamente la funcionalidad del modelo.
- ÍtemAcceso AbiertoEmpowering a Breach & Attack Simulation (BAS) Platform using a Large Language Model (LLM) to improve Security Tests(2024-11-20) Caballero-Roa, Sebastián; Martínez-Páez, Juan; Velandia-Romero, Juan; Díaz López, Daniel OrlandoEste proyecto presenta una arquitectura que integra un modelo de lenguaje de gran escala (LLM) con una plataforma de Breach and Attack Simulation (BAS), específicamente MITRE Caldera, para asistir pruebas de penetración. La solución funciona como un copiloto inteligente capaz de interpretar resultados, recomendar comandos de sistema operativo y apoyar la identificación y validación de vulnerabilidades. Se evaluaron cuatro esquemas de interacción, desde la operación completamente automatizada por la plataforma BAS hasta escenarios en los que el LLM asume o comparte el control de la prueba. Los experimentos realizados sobre máquinas virtuales Metasploitable 2 y 3 permitieron identificar y explotar vulnerabilidades relacionadas con backdoors, servidores web y escalación de privilegios. Los resultados sugieren que la integración LLM-BAS puede mejorar la automatización, adaptabilidad y accesibilidad de las evaluaciones de seguridad.
- ÍtemAcceso AbiertoCodeRoninS-AI: Developing Social Engineering Attacks using Artificial Intelligence(2024-11-20) Rogers, Nicolás; Rojano, Carolina; Salazar, Laura; Mora, Diryon; Rizo, Fabio; Casanova, Juan; Díaz López, Daniel OrlandoCodeRonin S-AI propone una plataforma basada en inteligencia artificial para generar y simular ataques personalizados de ingeniería social con fines de evaluación y entrenamiento en ciberseguridad. La solución integra técnicas de OSINT, phishing y clonación de voz, utilizando herramientas como Maltego y Sherlock para perfilar objetivos, GoPhish para distribuir correos y MaxPhisher para replicar interfaces y recopilar información. Los experimentos demostraron la capacidad de obtener información pública relevante de los objetivos y de generar voces clonadas con niveles de similitud de hasta 0,76 respecto a la voz original. Los resultados evidencian el potencial de la IA para incrementar la sofisticación y personalización de ataques de ingeniería social. El estudio destaca que la calidad del perfilamiento y del material de voz recopilado influye directamente en la efectividad de los contenidos sintéticos generados.
- ÍtemAcceso AbiertoUsing Generative Adversarial Networks (GAN) to detect Cyber Threats(2024-04-26) Posada, Ariel; Sepulveda, Juan Nicolás; Alférez, Santiago; Díaz López, Daniel OrlandoEn esta presentación se explora el uso de redes neuronales y GAN para detectar amenazas cibernéticas, especificamente malware ofuscado. La propuesta descrita transforma archivos binarios en imágenes en escala de grises y emplea modelos convolucionales como ResNet y EfficientNet para clasificarlas como goodware o malware. Posteriormente, se construyen conjuntos de datos con programas legítimos de Microsoft Store y muestras de VirusShare, incluyendo variantes ofuscadas mediante XOR y Shikata Ga Nai. También se presenta una GAN condicional cuyo generador crea imágenes sintéticas de distintas clases, mientras un discriminador basado en ResNet-18 evalúa si son reales o falsas y si corresponden a software benigno o malicioso. Los resultados muestran precisiones similares entre el entrenamiento tradicional y el basado en GAN, sin embargo, las imágenes generadas aumentan la diversidad del conjunto de datos aumentando así la consistencia de los resultados. Como trabajo futuro se propone incorporar malware contextualizado, ampliar la generación sintética y fortalecer la detección de amenazas avanzadas.
