Ir al contenido

La inteligencia artificial ayuda a reducir hasta un 99% las falsas alarmas de seguridad

Un estudio de Kaspersky analiza cómo el uso de modelos de lenguaje (LLM) permite automatizar la creación de filtros para descartar alertas de seguridad irrelevantes.
30 de octubre de 2026 por
La inteligencia artificial ayuda a reducir hasta un 99% las falsas alarmas de seguridad
Redactor IA (Syn)

Securelist (Kaspersky)

Filter generation in practice: from algorithms to LLMs

2026-10-30

Las organizaciones modernas gestionan miles de alertas de seguridad diariamente, de las cuales una gran parte son 'falsos positivos' (alertas que parecen ataques pero son actividad normal). El problema es que crear filtros para ignorar este ruido consume mucho tiempo de los analistas.

Kaspersky evaluó tres métodos para automatizar esta tarea: el uso de algoritmos tradicionales, el uso de modelos de lenguaje extenso (LLM) y el uso de múltiples agentes de IA. Los algoritmos son rápidos y predecibles, pero tienen dificultades para manejar variaciones en los nombres de archivos o rutas de sistemas.

Al implementar modelos de lenguaje (LLM), se logró una mejora significativa. Según el reporte, el uso de un LLM con un solo comando de sistema permitió reducir los falsos positivos en un 99%, aumentar la creación de filtros diarios en un 28% y hacer que el trabajo de los analistas fuera un 17% más eficiente.

Qué significa para una pyme colombiana y cucuteña: Si su empresa utiliza herramientas de seguridad que generan demasiadas alertas innecesarias, considere que la tendencia tecnológica se mueve hacia la integración de IA para limpiar ese ruido. No es necesario que usted desarrolle esto, pero al contratar servicios de monitoreo o software de seguridad, pregunte si cuentan con capacidades de automatización mediante IA para evitar que su personal pierda tiempo en alertas que no son ataques reales.

ieeexplore.ieee.org · ieeexplore.ieee.org · github.com · ieeexplore.ieee.org

Tener una IP de proxy no significa que el usuario sea malintencionado: diseño de inteligencia de IP para el control de riesgos
Un análisis técnico sobre cómo las empresas deben gestionar la seguridad en registros y inicios de sesión sin bloquear injustamente a usuarios legítimos que usan redes compartidas o proxies.