RidgeBot, de Ridge Security, combina la tecnología de la IA con las últimas técnicas de hacking ético para ofrecer y automatizar las pruebas de penetración. Cuando se trata de qué camino de ataque elegir y qué sistemas de carga útil utilizar durante una toma de pruebas de penetración, RidgeBot ofrece múltiples modelos de decisión de la IA. Para los principiantes y para las pruebas iniciales, recomendamos “Decisión Inteligente”. A medida que los equipos de TI se familiarizan con los modelos de decisiones así como con los objetivos en su entorno de prueba, ellos pueden perfeccionar la prueba con diferentes modelos.
| Modelo de decisión | Atributos |
| Decisión inteligente | Este es un sistema de apoyo a las decisiones que utilizan ampliamente las técnicas de IA de RidgeBot y se comporta de manera similar a un especialista humano, reuniendo, analizando pruebas, identificando, diagnosticando y remediando los riesgos. Este modelo se selecciona por defecto. Basándose en los datos en tiempo real recogidos de los objetivos, el RidgeBot tomará automáticamente una decisión inteligente y elegirá el modelo de IA apropiado para la tarea. |
| Binomio Negativo (BN) | Un modelo BN es muy eficaz y se utiliza típicamente para predecir datos basados en conteos. Los datos basados en conteo contienen eventos que ocurren a una cierta velocidad; por ejemplo, cuántos conos de Soft Serve McDonalds se venden por hora, o cuántos pings recibe un servidor por hora. La tasa de ocurrencia puede cambiar con el tiempo o de una observación a otra. Teniendo esto en cuenta, el modelo NB es adecuado para ataques hacia un solo objetivo (por ejemplo: una sola IP, o un solo nombre de dominio), donde no hay interacción de otros objetivos. Rendimiento: El modelo BN es rápido, con un alcance de razonamiento limitado. |
| Proceso de decisión de Markov (PDM) | El programa PDM proporciona un marco para situaciones en las que los resultados son en parte aleatorios y, en parte, controlados por una persona que toma decisiones. El modelo PDM es adecuado para un escenario con un gran volumen de objetivos y datos. Rendimiento: Su ámbito de razonamiento es más amplio, pero con él viene un gran consumo de recursos. |
| Modelo Experto | Los sistemas de expertos en modelos de decisión emulan la capacidad de tomar decisiones de un especialista humano y están diseñados para resolver problemas complejos mediante el acceso a una base de conocimientos. En este modelo, las decisiones se toman basándose en la función de conocimiento experto de RidgeBot. Rendimiento: Este modelo de decisión funciona muy bien para los escenarios de ataque conocidos, pero no es ideal para los escenarios desconocidos. |
| BN + Modelo Experto | El sistema aplicará primero el Modelo Experto para los escenarios conocidos, y luego recurrirá al modelo BN para preprocesar los escenarios desconocidos. Rendimiento: Esta opción es ideal para ataques de un solo objetivo. |
| PDM + Modelo Experto | El sistema aplicará primero el Modelo Experto para los escenarios conocidos, y luego recurrirá al modelo PDM para preprocesar los escenarios desconocidos. Rendimiento: Esta opción es ideal para los ataques a objetivos múltiples. |