Un equipo argentino ganó en Japón el “Mundial” de la ciberseguridad

Superaron a 42 grupos de 14 países, entre ellos Japón, China, Corea, Malasia, Australia y los Estados Unidos.

 

 

 

 

 

Un equipo de cinco argentinos logró el primer puesto en la Competencia 2016 de Ciberseguridad y Data Mining (CDMC2016), un certamen organizado por la Universidad de Kyoto de Japón, en el que superaron a 42 equipos de 14 países, entre ellos Japón, China, Corea, Malasia, Australia y Estados Unidos.

 

Se trata de un grupo de estudiantes del último año de la Maestría en Explotación de Datos y Gestión del Conocimiento de la Facultad de Ingeniería de la Universidad Austral. El equipo fue multidisciplinario: incluyó a una analista en sistemas (Adriana Baravalle), un ingeniero mecatrónico (Andrés D’Ambrosio), un ingeniero en sistemas (Diego Tauziet), un contador (Pablo Albani) y un actuario (Rafael Crescenzi). Tres de ellos viajaron a fines de octubre a Kyoto para defender su trabajo en la 23° Conferencia Internacional de Procesamiento Neuronal de Información (ICONIP 2016).

 

La competencia, realizada desde 2010, es una iniciativa de 11 organismos y universidades que incluyen al Instituto Nacional de Información y Comunicaciones de Japón (NICT) y la Unitec de Nueva Zelanda. Consistió en resolver tres problemas mediante la minería de datos (Data Mining). La primera tarea fue un desafío de “minería de texto”: los participantes tenían que clasificar la información de 7 webs que estaban “encriptadas” (codificadas en una serie de símbolos ilegibles).

 

El segundo reto fue la predicción de 8 tipos distintos de fallas en un sistema. Finalmente, en el tercer desafío los participantes tuvieron que predecir qué aplicaciones para sistemas Android (APK) eran en realidad maliciosas (malware).

 

Cada tarea de Data Mining incluye a su vez tres etapas: preprocesamiento de datos, entrenamiento de los modelos en los datos y testeo final de los modelos para lograr las predicciones. De los 42 trabajos presentados, el equipo de la Austral logró la mayor tasa de precisión en los tres modelos presentados como solución de cada tarea.

 

Para Rafael Crescenzi, enfrentarse “a algunos de los mayores exponentes académicos y profesionales del área” los obligó a “estar actualizados en el estado del arte”. “Eso nos devuelve una gran satisfacción cuando logramos buenos resultados”, agregó. Por su parte, Diego Tauziet consideró que lograron “armar un gran equipo interdisciplinario que se complementó muy bien, y cada uno pudo extraer del resto conocimientos muy valiosos.” “Fue una muy buena oportunidad para testear lo que aprendimos en la teoría, y desafiarnos frente a otras personas de nuestro mismo campo en distintos lugares del mundo,” complementó Pablo Albani.

 

Del mismo modo, Adriana Baravalle explicó: “A medida que fuimos avanzando, el equipo se fue haciendo más sólido y nos fue animando la mejora en los resultados. Competir junto a las mejores universidades en el mundo de este tema y quedar bien posicionados nos dio más seguridad y experiencia”.

 

“La mayor fortaleza del equipo fue la diversidad de nuestras formaciones”, dijo Baravalle a Clarín. Aunque el premio, de 3000 dólares neozelandeses, no alcanzó para cubrir los costos del viaje, los miembros de equipo quedaron muy contentos con la experiencia: “Fue una inversión en conocimiento. Conocimos a muchos expertos de distintos países”, agregó Baravalle.

 

El equipo ya contaba con experiencia en este tipo de competencias. La primera en la que se presentaron fue en 2015, en la “Neo Santander Challenge”, organizada por el Banco Santander que se realizó en seis países al mismo tiempo y en la que participaron 90 universidades. El equipo de la Universidad Austral quedó en el segundo puesto de 199 equipos, solo superados por el equipo de la UBA, que ganó la competencia.

 

Data Mining, la clave de la competencia

 

Data Mining es el proceso de extracción de información significativa de grandes bases de datos. Esta información revela factores ocultos, tendencias y correlaciones que permiten al usuario realizar predicciones que resuelven problemas y proporcionan una oportunidad competitiva.

 

Las herramientas de Data Mining pronostican la situación futura de la empresa y ayudan a tomar decisiones de negocios proactivamente. Las competencias de Data Mining tienen como objetivo crear modelos predictivos, es decir, para predecir la baja de un cliente, devoluciones de productos, la satisfacción de un consumidor, detección de fraudes, entre otros. La evaluación consiste en el nivel de acierto o éxito que tiene el modelo comparado con una base de testeo.

 

 

 

 

Fuente: http://www.clarin.com/