1 0 4   JUSTICE TRENDS // JANUARY / ENERO 2019 The use of artificial intelligence in the Mexican justice system El uso de la inteligencia artificial en el sistema de justicia mexicano Context Artificial intelligence (AI) consists of the ability of machines or computers to emulate human thinking and decision making. A key area within AI is machine learning. WithAI platforms and algorithms and machine learning, you can measure the happiness levels of each individual, perform certain actions to improve the experience with the user and even build a judicial or penitentiary system with very specific analysis and classification tasks. Problem In Mexico there is a need for more efficient prison security, especially in terms of managing infrastructure, physical and logical security, and also people. Another issue that sets a challenge in Mexico's federal prison system has to do with the slowdown and lack of effectiveness in the processes of prisoner classification and risk assessment. In addition, in the judicial sector, the country lacks an automatic analysis platform that supports jurisprudence. Solution User and Entity BehaviourAnalytics (UEBA) is the monitoring, collection and evaluation of data and activities of users who interact with a system which may be related to information, transactions or processes. UEBA technologies use AI and machine language to analyse historical data records (Big Data), which can contain numbers, text, voice, audio and video; to identify patterns and feed systems that support decision-making in fields such as the classification of individuals, social reintegration, physical security, logical security and cybersecurity. These systems can take measures or actions based on their findings and can be automatically adjusted to the systems to make "intelligent automated decisions". User behaviour analysis tools have more advanced profile and exception monitoring functions than computer systems and are used to determine a baseline of normal activities specific to the organisation and its individual users, and to identify deviations from the norm. UEBA uses big data and machine language algorithms to evaluate these deviations in near real time. This type of analysis allows an organisation to make classifications, make decisions, detect non-visible patterns and discover risk situations or other potential security threats. UEBA collects various types of data, such as roles and titles of users, including access, accounts and permissions; user activity and geographic location; and security alerts. These data can be collected from past and current activities, and the analysis considers factors such as the resources used, the duration of the sessions, the connectivity and activity of the peer group in order to compare anomalous behaviours. It is also automatically updated when changes are made to the data, such as added permissions. UEBAsystems do not report all anomalies as risky. Instead, they evaluate the potential impact of the behaviour. If it involves less sensitive resources, it receives a low impact score; if it is something more sensitive, such as personal identification information, you will receive a higher impact score. Contexto La inteligencia artificial (IA) es la habilidad de las máquinas u ordenadores para emular el pensamiento humano y la toma de decisiones. Un área clave dentro de la IA es el aprendizaje automático. Con las plataformas y algoritmos de IAy aprendizaje máquina se pueden medir los niveles de felicidad de cada individuo, realizar determinadas acciones para mejorar la experiencia con el usuario y hasta llegar a construir un sistema judicial o penitenciario con tareas de análisis y clasificación muy específicas. Problema En México hay necesidad de una seguridad penitenciaria más eficiente, especialmente en lo que respecta a administrar la infraestructura, la seguridad física y lógica, y también las personas. Otro tema que configura un reto en el sistema federal de prisiones de México tiene que ver con la ralentización y falta de eficacia en los procesos de clasificación de los presos y de evaluación del riesgo. Además, en el ámbito judicial, el país carece de una plataforma de análisis automático que apoye la jurisprudencia. Solución El análisis de comportamiento de los usuarios y entidades (UEBA, por sus siglas en inglés: User and Entity Behaviour Analytics) es el seguimiento, la recopilación y la evaluación de datos y actividades de los usuarios que interactúan con un sistema que puede ser de información, transaccional o de procesos. Las tecnologías de UEBA utilizan la IA y el lenguaje máquina para analizar los registros de datos históricos (grandes datos, en inglés big data), que pueden contener números, texto, voz, audio y video, para identificar patrones y alimentar sistemas que faciliten la toma de decisiones en campos como la clasificación de individuos, la reinserción social, la seguridad física, la seguridad lógica y la ciberseguridad. Estos sistemas pueden tomar medidas o acciones en función de sus hallazgos y se pueden ajustar automáticamente a los sistemas para tomar “decisiones inteligentes automatizadas”. Las herramientas de análisis del comportamiento de los usuarios tienen funciones de supervisión de perfiles y excepciones más avanzadas que los sistemas informáticos y se utilizan para determinar una línea base de actividades normales específicas para la organización y sus usuarios individuales y para identificar desviaciones de lo normal. UEBA utiliza algoritmos de grandes datos y lenguaje máquina para evaluar estas desviaciones en tiempo casi real. Este tipo de análisis permite a una organización hacer clasificaciones, tomar decisiones, detectar patrones no visibles, descubrir situaciones de riesgo u otras amenazas potenciales de seguridad. UEBA recopila diversos tipos de datos, como los roles y los títulos de los usuarios, incluido el acceso, las cuentas y los permisos; actividad del usuario y ubicación geográfica; y alertas de seguridad. Estos datos se pueden recopilar a partir de actividades pasadas y actuales, y el análisis tiene en cuenta factores como los recursos utilizados, la duración de las sesiones, la conectividad y la actividad del grupo de pares para comparar comportamientos anómalos. También se actualiza automáticamente cuando se realizan cambios en los datos, como permisos agregados. Los sistemas UEBA no informan todas las anomalías como riesgosas. En cambio, evalúan el impacto potencial del comportamiento. Si este involucra recursos menos sensibles, recibe un puntaje de bajo impacto; si se trata de algo más sensible, como la información de identificación personal, recibirá un puntaje de mayor impacto. De esta forma, los equipos de seguridad pueden priorizar qué seguimiento seguir, mientras que el sistema UEBA automáticamente restringe o aumenta la dificultad de autenticación para el usuario que muestra un comportamiento anómalo. TECH CASE CASO TECNOLOGÍA Artificial intelligence Inteligencia artificial