Conecta con nosotros

Noticias

Los trabajadores europeos siguen sin tomar medidas en torno a la seguridad IT

Publicado el

desesperado

Según un estudio realizado por HPE Aruba, los trabajadores europeos tienen la peor disciplina en ciberseguridad de todo el mundo; de hecho, muestran síntomas de “fatiga en torno a la seguridad”. El informe, realizado entre 2.650 empleados europeos, analiza cómo el espacio de trabajo digital está impactando en los negocios y revela algunas tendencias clave en seguridad:

  1. La ciberseguridad es un pensamiento de última hora. Más de la mitad (55%) de los trabajadores europeos no piensan regularmente en la ciberseguridad y casi una quinta parte de ellos (17%) no la tienen nunca en mente. Por el contrario, sus homólogos de otras partes del mundo como Asia y América piensan en la ciberseguridad de forma mucho más regular (el 61% y el 51% respectivamente lo hacen a menudo o incluso a diario).
  2. Falta de responsabilidad. Es posible que Europa simplemente esté asumiendo menos responsabilidad en lo que se refiere a la seguridad TI que en otras regiones. De hecho, más de un tercio de los empleados europeos (36%) no considera la ciberseguridad como su propio problema, creen que es un tema que atañe solo a los equipos directivos de sus compañías (10%) o a los responsables de TI (26%) y que deben ser ellos los encargados de gestionarla.
  3. La legislación no es un elemento disuasorio. Los empleados europeos son más conscientes de los peligros que implica una violación de la seguridad de sus sistemas. De hecho, cuando se les preguntó, el 42% entendía que la pérdida de datos conlleva consecuencias legales, lo que significa que son más conscientes que los empleados de América (36%) y Asia (27%). Sin embargo, el estudio muestra que, a pesar de esto, una cuarta parte de ellos (26%), sigue sin creer que la ciberseguridad sea algo importante. Combinado con el hecho de que el uso del software de seguridad es más bajo en Europa (48%) que en otras regiones, tenemos signos claros de que las advertencias de seguridad no están siendo tomadas en cuenta por los trabajadores.

Según Morten Illum, VP EMEA de Aruba, esta actitud podría deberse a una “fatiga en torno a la seguridad” provocada por la sobreexposición a normas sin recibir una asistencia técnica al mismo nivel. “Los trabajadores en Europa se han visto inundados por mensajes de seguridad por parte de sus organizaciones y de los medios de comunicación”. Sin embargo, parece que dar más advertencias y añadir nuevos procedimientos no está teniendo el efecto deseado. “Si los empleados entienden los riesgos, pero no están tomando medidas, la respuesta no es proporcionar más formación aún, sino introducir tecnología mejorada que pueda proporcionar la asistencia y protección que los trabajadores necesitan para hacer su trabajo”, detalla Illum.

¿Qué ocurre en cada país europeo?

  • Los empleados españoles no consideran la ciberseguridad como algo relevante. Prácticamente la mitad (41%) de los trabajadores españoles encuestados considera que la ciberseguridad no es importante en sus entornos de trabajo.
  • Los empleados del Reino Unido son los más preocupados por la seguridad de los datos.  El 53% de los trabajadores del Reino Unido que ha participado en el estudio cree que la ciberseguridad es extremadamente importante. Mucho más que los de Francia y Alemania, con un 45% y un 39% respectivamente.
  • En Francia, los empleados no entienden los peligros legales de una brecha de seguridad. Solamente una quinta parte (20%) de los trabajadores franceses encuestados entiende las implicaciones legales que puede implicar una brecha de seguridad, comparados con la mitad de los del Reino Unido (50%).

Así las cosas, un enfoque autónomo de la seguridad, en que el usuario sea responsable de la misma, es cada vez más necesario a medida que el trabajo móvil y a distancia son más habituales. De hecho, en Europa, la cantidad de empleados que trabajan en remoto o en lugares compartidos es del 53%, según el estudio de Aruba.

Este nuevo paradigma crea la necesidad de espacios de trabajo digitales inteligentes, que ofrezcan experiencias seguras y fiables, optimizadas y personalizadas, que fomenten la creatividad de los empleados, la colaboración y la agilidad del trabajo, sin que los sistemas de seguridad supongan una barrera para todo ello.

Para tener éxito en este ámbito, Gartner recomienda un enfoque de seguridad conocido como CARTA (Continuous Adaptive Risk and Trust Assessment) que se apoya en gran medida en la Inteligencia Artificial, la Analítica y la Automatización para aprovechar las oportunidades y gestionar los riesgos del negocio digital. Esto provocaría contar con empleados más motivados y productivos, más satisfechos en el trabajo.

Noticias

Lenovo crece un 19% gracias a su unidad de PCs

Publicado el

Los ingresos de Lenovo han crecido un 19% en el trimestre finalizado el 30 de Junio (que para la compañía es el primer trimestre del año fiscal) contabilizado de forma anualizada. Lenovo crece, y crece mucho. Tal y como señala Yang Yuanqing, Chairman y CEO de Lenovo, “a medida que ponemos en práctica nuestra estrategia 3-Wave, todas las unidades de negocio han dado pasos firmes en la mejora de ingresos y de beneficios”.

Continuar leyendo

Noticias

TransmogrifAI el Machine Learning de Salesforce llega a GitHub

Publicado el

Los modelos de Machine Learning, la Inteligencia Artificial que identifica relaciones entre millones de datos, rara vez son fáciles de diseñar. Los científicos de datos pasan semanas y meses no solamente procesando los datos en los que se basa cada uno de los modelos, si no que también tienen que extraer características útiles de los datos, estrechando algoritmos y al final construyen, o lo intentan, un sistema que no solo funcione bien en el laboratorio, que también lo haga en el mundo real.

Las nuevas herramientas de Salesforce tienen como objetivo intentar aliviar esta carga de trabajo. Salesforce ha publicado en GitHub TransmogrifAI, una biblioteca de Machine Learning para datos estructurados. Este tipo de datos, que se encuentra en tablas y bases de datos, permitirá seleccionar características útiles y modelos de entrenamiento con tan solo tres líneas de código.

Mayukh Bhaowal, director de Salesforce Einstein, comentó en una entrevista telefónica con VentureBeat que TransmogrifAI transforma conjuntos de datos sin procesar en modelos personalizados. Es la evolución de la biblioteca de Machine Learning de Salesforce, que permitió al equipo de Einstein desarrollar en cuestión de horas un modelo personalizado para sus clientes.

Bhaowal explicó que se creó con la experiencia y el aprendizaje que los científicos de datos de Salesforce consiguieron al crear Einstein. Ellos aprendieron que los modelos personalizados superan a los modelos generados a nivel global. “Si se usa el mismo modelo para hacer predicciones para una empresa de Fortune 500 en una tienda familiar, será difícil encontrar un patrón correcto“.

Lo primero es la inferencia de características y la selección automática de características. Es una parte crucial de la capacitación del modelo, ya que la selección de unas características incorrectas podría resultar en un modelo excesivamente optimista, inexacto o sesgado.

Con TransmogrifAI, los usuarios especifican un esquema para sus datos, la biblioteca extrae funciones automáticamente, como números de teléfono o códigos postales. También realizan pruebas estadísticas, catalogando texto con baja cardinalidad, es decir, una pequeña cantidad de elementos, y elimina características con poco poder predictivo, o aquellas que pueden dar lugar a un sesgo no predictivo, otras señales no deseadas.

En una demo, Bhaowal demostró como TransmogrifAI podía aislar rápidamente características como puestos de trabajo, correos electrónicos, direcciones… y de esta forma averiguaba si son predictivas. Los que no lo son fueron descartados automáticamente. “Es perfecto para la reducción de la dimensionalidad“, dijo refiriéndose al proceso de reducción del número de funciones con respecto a la que el modelo se creó.

El siguiente paso es automatizar el flujo de TransmorgrifAI. Basándose en los tipos de características extraídos en el primer paso, la biblioteca transforma los datos estructurados en vectores, tomando automáticamente, por ejemplo, números de teléfono y separando el código del país para saber si es válido o no.

Una vez que TransmogrifAI ha extraído las características del conjunto de datos, estará listo para comenzar la capacitación de modelos automatizados. En esta etapa se ejecutan un cuadro de algoritmos de aprendizaje automático. En paralelo, sobre los datos, se selecciona automáticamente el modelo de mejor rendimiento, se toman muestras y se recalibran las predicciones para evitar datos desequilibrados.

Shubha Nabar, Director Senior de Data Science para Salesforce Einstein, define el entrenamiento de TransmogrifAI como la “explicación del modelo”, la transparencia sobre los factores que influyen en los modelos. “Desde una perspectiva de confianza y privacidad de los datos, es importante que el modelo generado no sea una caja negra. TransmogrifAI muestra los efectos globales de cada característica”.

Y esta es solo la punta de un iceberg muy grande

TransmogrifAI cuenta con herramientas que facilitan ajustar los hiperparámetros, variables como la frecuencia de muestreo y filtros, que influyen y optimizan los modelos de Machine Learning. Dentro de los entornos de desarrollo integrados que lo soportan, TransmogrifAI resalta los errores de sintaxis y tipográficos, sugiere como completar el código y las característica de cada “tipo” con una jerarquía extensible, lo que permite a los usuarios diferenciar entre funciones primitivas y matizadas.

TransmogrifAI nos ha transformado, reduciendo el tiempo medio de respuesta en el que se entrena un modelo de rendimiento en un par de horas y permitiendo a nuestros científicos de datos desplegar miles de modelos de producción con un mínimo ajuste manual” dijo Bhaowal. “El objetivo de democratizar el machine learning solo se puede lograr en una plataforma abierta de intercambio de ideas y códigos, y las diversas perspectivas de la comunidad harán que la tecnología sea mejor para todos“.

Casualmente, el lanzamiento público de TransmogrifAI  se produce un día después de la plataforma abierta de Oracle, GraphPipe, una herramienta que facilita el desplieuge de modelo de machine learning hechos para frameworks como Google TensorFlow, MXNet, Facebook Caffe2 y PyTorch.

Photo por Curtis MacNewton en Unsplash

Continuar leyendo

Noticias

Un niño de 11 años hackea una réplica de la web electoral de Florida

Publicado el

Emmett Brewer

Emmett Brewer, un niño americano de 11 años, ha logrado piratear una réplica de la web de resultados electorales de Florida en tan solo 10 minuto, logrando cambiar nombres y cifras. Esta hazaña tuvo lugar durante una convención de seguridad en la que los organizadores pretendían concienciar sobre el tema antes de las próximas elecciones nacionales.

Al acto acudieron un total de 35 niños, de entre 6 y 17 años, a quienes retaron para piratear las copias de las webs de seis estados norteamericanos indecisos con su voto. Brewer fue el más rápido de todos. El evento estaba pensado para evaluar la fortaleza de la infraestructura electoral del país y las vulnerabilidades encontradas se transmitieron a los estados.

La Asociación Nacional de Secretarios de Estado, responsables del recuento de votos, indicaron que recibieron con “satisfacción” los esfuerzos de los organizadores de la convención pero que los sistemas reales utilizados por los estados tenían protección adicional. “Sería extremadamente difícil replicar estos sistemas, ya que muchos estados utilizan redes únicas y bases de datos personalizados con nuevos y actualizados protocolos de seguridad”, afirmaron.

Lo cierto es que existe preocupación sobre las vulnerabilidades que pudieran atacar al sistema electoral antes de las elecciones estatales y federales, de ahí que pidieran comprobar la seguridad del mismo. De hecho, el equipo de seguridad nacional del presidente, Donald Trump, advirtió hace dos semanas que Rusia había estado intentando interferir en las elecciones de noviembre.

Los responsables del evento dijeron que los pequeños hackers  habían logrado cambiar los nombres de los partidos y dado hasta 12.000 millones de votos a los candidatos.

Continuar leyendo




Lo más leído

Suscríbete gratis a MCPRO

La mejor información sobre tecnología para profesionales IT en su correo electrónico cada semana. Recibe gratis nuestra newsletter con actualidad, especiales, la opinión de los mejores expertos y mucho más.

¡Suscripción completada con éxito!