Cuestionario sobre Ciberseguridad en Entornos Industriales

Ángel Luis Perales Gómez presenta técnicas de detección de ciberataques en entornos industriales, destacando la importancia de la inteligencia artificial. Explica las limitaciones de los sistemas actuales y propone una metodología para la detección de anomalías. Se discuten casos de uso y resultados, así como las limitaciones y mejoras futuras. Concluye con agradecimientos a los proyectos que apoyaron la investigación.

¿Cuál es una de las principales diferencias entre los ciberataques en entornos industriales y tradicionales?

• Los ataques industriales son menos peligrosos.

• Los ataques industriales solo afectan a los datos.

• Los ataques tradicionales son más frecuentes.

• Los ataques industriales pueden impactar el mundo físico.

¿Qué tipo de sistemas se utilizan para detectar ciberataques en redes?

• Sistemas de detección de instrucciones de red

• Sistemas de detección de instrucciones de host

• Antivirus

• Firewalls

¿Por qué son escasos los conjuntos de datos en entornos industriales?

• Debido a la confidencialidad y competitividad

• Porque no hay ataques en estos entornos

• Por la falta de interés en la ciberseguridad

• Por la falta de tecnología avanzada

¿Qué técnica se propone para extraer características en datos industriales?

• Análisis de regresión

• Algoritmos genéticos

• Análisis de varianza

• Transformada de Fourier

¿Qué se necesita para entrenar un detector de anomalías?

• Un conjunto de datos

• Un sistema operativo específico

• Un hardware avanzado

• Un software de edición de video

¿Qué se busca evitar con enfoques semi supervisados en entornos industriales?

• La implementación de nuevas tecnologías

• El uso de algoritmos complejos

• La interrupción de la producción

• La recopilación de datos

¿Qué modelo de detección de anomalías mostró un rendimiento inferior en el escenario de s7-com?

• Random Forest

• Redes neuronales densas

• Isotion Forest

• Máquinas de vector soporte

¿Cuál es una limitación importante de los modelos de detección de anomalías?

• Son completamente interpretables

• No requieren datos

• Son vulnerables a ataques adversariales

• Son demasiado rápidos

¿Qué es un ataque adversarial en el contexto de detección de anomalías?

• Un ataque que mejora la seguridad

• Un ataque que modifica muestras para evadir detección

• Un ataque que solo afecta a sistemas tradicionales

• Un ataque que no tiene impacto en la seguridad

¿Por qué es importante la interpretabilidad de los modelos en entornos industriales?

• Para mejorar la velocidad de detección

• Para asegurar que no estén sesgados

• Para aumentar la complejidad del sistema

• Para reducir el costo de implementación