\u00ab`html<\/p>\n
Los errores humanos representan hoy en d\u00eda la principal causa de los incidentes de ciberseguridad en las organizaciones. Contrariamente a las ideas preconcebidas, estas vulnerabilidades no siempre son el resultado de una mala intenci\u00f3n, sino a menudo de factores psicol\u00f3gicos o ambientales como el estr\u00e9s, la fatiga o una concentraci\u00f3n alterada. Un estudio reciente propone una soluci\u00f3n innovadora para anticipar estos riesgos en tiempo real.<\/p>\n
La idea se basa en un sistema capaz de analizar de forma continua el estado fisiol\u00f3gico y cognitivo de los usuarios, as\u00ed como su entorno inmediato. Sensores miden indicadores como el ritmo card\u00edaco, la respuesta electrod\u00e9rmica de la piel, la temperatura ambiental, el nivel sonoro o la iluminaci\u00f3n. Estos datos, a menudo imperceptibles para el propio usuario, revelan signos de estr\u00e9s o sobrecarga mental antes de que se cometan errores. Por ejemplo, un aumento de la temperatura por encima de 24 grados o un ruido que supere los 55 decibelios reduce significativamente la capacidad de concentraci\u00f3n y de toma de decisiones. Del mismo modo, una luz demasiado intensa o una iluminaci\u00f3n mal adaptada puede provocar fatiga visual y mental, aumentando as\u00ed el riesgo de olvidos o manipulaciones incorrectas.<\/p>\n
El n\u00facleo del sistema utiliza un modelo de inteligencia artificial que combina dos tecnolog\u00edas: una red neuronal convolucional para identificar patrones en los datos de los sensores, y una red recurrente de tipo LSTM para seguir la evoluci\u00f3n de estos patrones a lo largo del tiempo. Este enfoque permite detectar cambios sutiles en el estado del usuario, como un aumento del estr\u00e9s o una disminuci\u00f3n de la atenci\u00f3n, con una precisi\u00f3n del 84 %. Cuando se identifica un riesgo elevado, el sistema puede activar acciones adaptadas, como una advertencia, una restricci\u00f3n temporal de acceso o una alerta a un responsable.<\/p>\n
Uno de los principales desaf\u00edos reside en la capacidad de generalizar este modelo a diferentes individuos. Cada persona reacciona, en efecto, de manera distinta al estr\u00e9s o a su entorno. Para solucionarlo, el sistema ha sido dise\u00f1ado para adaptarse a cada usuario sin requerir un reaprendizaje completo. Utiliza una normalizaci\u00f3n din\u00e1mica de los datos, lo que le permite distinguir las variaciones normales de las se\u00f1ales precursoras de un posible error. Sin embargo, este m\u00e9todo puede encontrar l\u00edmites si los datos iniciales no cubren una variedad suficiente de situaciones.<\/p>\n
Otro desaf\u00edo concierne a la protecci\u00f3n de la vida privada. Los datos fisiol\u00f3gicos, como el ritmo card\u00edaco o la respuesta cut\u00e1nea, pueden revelar informaci\u00f3n sensible sobre la salud, como un embarazo, un trastorno mental o una enfermedad cr\u00f3nica. Su recolecci\u00f3n y uso plantean, por tanto, cuestiones \u00e9ticas y jur\u00eddicas. En muchos pa\u00edses, estos datos se consideran sensibles y est\u00e1n sujetos a regulaciones estrictas. Las organizaciones que deseen implementar un sistema de este tipo deben, por lo tanto, asegurarse de obtener el consentimiento informado de los empleados, garantizar la transparencia sobre el uso de los datos y establecer pol\u00edticas claras para evitar cualquier forma de discriminaci\u00f3n o violaci\u00f3n de la privacidad.<\/p>\n
El sistema ha sido probado con datos simulados que reproducen condiciones reales. Los resultados muestran que puede identificar estados de riesgo con buena fiabilidad, aunque a\u00fan son posibles mejoras, especialmente para reducir las falsas alertas. Una fase de calibraci\u00f3n individual, en la que cada usuario llevar\u00eda el dispositivo durante un d\u00eda completo, podr\u00eda afinar a\u00fan m\u00e1s la precisi\u00f3n, teniendo en cuenta las particularidades de cada uno.<\/p>\n
En la pr\u00e1ctica, este tipo de tecnolog\u00eda podr\u00eda transformar la manera en que las organizaciones abordan la ciberseguridad. En lugar de centrarse \u00fanicamente en soluciones t\u00e9cnicas como los firewalls o los programas antivirus, coloca al ser humano en el centro de la estrategia de protecci\u00f3n. Al adaptar las medidas de seguridad en funci\u00f3n del estado real de los usuarios, ofrece un enfoque proactivo para prevenir errores antes de que ocurran. Esto no solo podr\u00eda reducir el n\u00famero de incidentes, sino tambi\u00e9n mejorar el bienestar de los empleados al evitar situaciones de estr\u00e9s extremo o sobrecarga cognitiva.<\/p>\n
\u00ab`<\/p>\n
DOI\u00a0:<\/strong> https:\/\/doi.org\/10.1186\/s42400-026-00609-z<\/a><\/p>\n Titre\u00a0:<\/strong> BioEnvSense: a human-centred security framework for preventing behaviour-driven cyber incidents<\/p>\n Revue : <\/strong> Cybersecurity<\/p>\n \u00c9diteur : <\/strong> Springer Science and Business Media LLC<\/p>\n Auteurs : <\/strong> Duy Anh Ta; Farnaz Farid; Farhad Ahamed; Ala Al-Areqi; Robert Beutel; Tamara Watson; Alana Maurushat<\/p>\n","protected":false},"excerpt":{"rendered":" \u00ab`html \u00bfSe pueden prevenir los errores humanos en ciberseguridad gracias a la inteligencia artificial? Los errores humanos representan hoy en d\u00eda la principal causa de los incidentes de ciberseguridad en las organizaciones. Contrariamente a las ideas preconcebidas, estas vulnerabilidades no siempre son el resultado de una mala intenci\u00f3n, sino a menudo de factores psicol\u00f3gicos o… Seguir leyendo \u00bfSe pueden prevenir los errores humanos en ciberseguridad gracias a la inteligencia artificial?<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[4,9,6],"tags":[],"class_list":["post-27","post","type-post","status-publish","format-standard","hentry","category-ciencia-y-tecnologia","category-medio-ambiente","category-salud","entry"],"_links":{"self":[{"href":"https:\/\/socialsciencesreview.com\/es\/wp-json\/wp\/v2\/posts\/27","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/socialsciencesreview.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/socialsciencesreview.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/socialsciencesreview.com\/es\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/socialsciencesreview.com\/es\/wp-json\/wp\/v2\/comments?post=27"}],"version-history":[{"count":1,"href":"https:\/\/socialsciencesreview.com\/es\/wp-json\/wp\/v2\/posts\/27\/revisions"}],"predecessor-version":[{"id":28,"href":"https:\/\/socialsciencesreview.com\/es\/wp-json\/wp\/v2\/posts\/27\/revisions\/28"}],"wp:attachment":[{"href":"https:\/\/socialsciencesreview.com\/es\/wp-json\/wp\/v2\/media?parent=27"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/socialsciencesreview.com\/es\/wp-json\/wp\/v2\/categories?post=27"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/socialsciencesreview.com\/es\/wp-json\/wp\/v2\/tags?post=27"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}