- INSTRUMENTO Fondo María Viñas
- BENEFICIARIO Gustavo Betarte Guidi : Facultad de Ingeniería
- DEPARTAMENTO Montevideo
- SUBSIDIO UYU 1300000
- FECHA DE INICIO 01.03.2018
- DURACIÓN 42 meses
- AÑO CONVOCATORIA 2017
- CÓDIGO FMV_1_2017_1_136337
- FASE CERRADO
- ESTADO Terminado
La actividad de investigación de este proyecto se focaliza en la búsqueda de soluciones que incorporen la adaptación de técnicas de aprendizaje automático, minería de datos y seguridad guiada por modelos para la especificación de mecanismos y construcción de herramientas cuya utilización permita incrementar el nivel de aseguramiento de aplicaciones web. Con el objetivo de complementar y mejorar el desempeño de tecnologías de prevención de ataques como lo son los denominados firewall de aplicaciones (WAF por su sigla en inglés) se pretende desarrollar modelos y soluciones de aprendizaje automático para incrementar la mejora en ejecución y precisión de la detección de ataques por parte del WAF ModSecurity. Otro desafío importante que se plantea este proyecto es el de proponer una solución de ciberinteligencia que incluya procesos de recolección, procesamiento, análisis y correlación de información, permitiendo, en base al conocimiento adquirido, la predicción o anticipación de ataques no registrados y clasificados (también conocidos como 0-day attacks). Adicionalmente se explorará en mayor profundidad la aplicación de técnicas de seguridad guiada por modelos para la especificación de mecanismos que provean soporte automatizado para la aplicación de parches virtuales que permitan remediar vulnerabilidades de una aplicación sin que esto implique modificar el código de la misma. El resultado tecnológico del proyecto serán modelos y prototipos de herramientas que permitan dar soporte automatizado a esos mecanismos. Algunas de las principales características no funcionales que deben satisfacer las soluciones técnológicas resultantes de este proyecto es que (i) estén basadas en estándares de código abierto de referencia para el mercado, (ii) no sean herramientas invasivas en lo que respecta a las aplicaciones web a proteger, (iii) ser flexibles y extensibles de forma de adaptarse a requerimientos en permanente evolución y (iv) ser independientes del sistema operativo sobre el que serán ejecutadas.
A pesar de todos los esfuerzos de la comunidad de seguridad, es un hecho conocido que las aplicaciones web están permanentemente expuestas a ataques que explotan sus vulnerabilidades. Algunas de estas vulnerabilidades solo se pueden descubrir como resultado de un proceso de ensayo y error realizado por un atacante. Por este motivo, la identificación y determinación del comportamiento de un usuario utilizando técnicas de detección de ataques se vuelven cruciales. Estas técnicas ayudan en aspectos tales como evitar que los atacantes identifiquen/verifiquen con éxito la existencia de vulnerabilidades en las aplicaciones, así como minimizar el número de falsos positivos (actividad no maliciosa identificada como tal). Una alternativa tecnológica para realizar análisis de ataques en tiempo real es el uso de un firewall de aplicaciones web (WAF por sus siglas en inglés). Estos sistemas interceptan e inspeccionan el tráfico entre el servidor web y sus clientes, buscando ataques en el contenido de la comunicación. La mayoría de los WAF funcionan mediante el uso de un conjunto de reglas estáticas definidas para identificar ataques. También proveen la capacidad de registrar los eventos que ocurren durante su funcionamiento, proveyendo información de valor para la aplicación de otro tipo de técnicas analíticas. El objetivo de este proyecto fue concebir, desarrollar y experimentar mecanismos automatizados de identificación, análisis y prevención de ataques informáticos, aprovechando, complementando y mejorando el desempeño de un WAF. Particularmente, por un lado, analizamos el uso de técnicas de Aprendizaje Automático (Machine Learning) y Aprendizaje Profundo (Deep Learning) para mejorar la detección de ataques de aplicaciones web haciendo uso de un WAF. Por otro lado, incursionamos en el estudio de la aplicación de técnicas de Minería de Procesos con el objetivo de validar un enfoque de análisis de comportamiento para la elaboración de perfiles de actividad maliciosa. Palabras claves: Seguridad informática, seguridad en aplicaciones web, firewall de aplicaciones web, aprendizaje automático, aprendizaje profundo, minería de procesos, ModSecurity.