León pone la red oscura en la diana
Cuatro científicos de la Universidad de León acaban de presentar las conclusiones de una investigación con la que han logrado generar un método para categorizar las actividades ilegales de la red Tor, un modelo que en el futuro puede ayudar a las Fuerzas de Seguridad del Estado en su lucha contra la delincuencia cibernética..
El tráfico de armas es una de las actividades que más ‘ terreno’ ocupa en la Darknet. FERNANDO ALVARADO
cristina fanjul | león
Cuatro investigadores del Departamento Ingeniería Eléctrica y de Sistemas y Automática de la Universidad de León que trabajan con INCIBE investigando para mejorar sus productos, presentaron el pasado mes de abril en Valencia los resultados de una investigación que ilumina la red oscura. Su finalidad es que las Fuerzas y Cuerpos de Seguridad del Estado obtengan visibilidad y, por lo tanto, capacidad de acción en la lucha contra las redes delincuenciales que se sirven de la Deep Web para mantener sus operaciones ocultas a la ley. Wesam Al Nabki, Eduardo Fidalgo, Enrique Alegre y Iván de Paz son los autores de este trabajo, que ha logrado generar un nuevo conjunto de datos para los dominios de la red oscura (DUTA). «Creamos DUTA mediante un muestreo de la red Tor durante dos meses, etiquetando de manera manual cada dirección en 26 clases diferentes», destacan, y sostienen que con ello lograron categorizar los servicios ocultos de Tor. Además, determinaron cuál es el mejor método de clasificación e identificaron los aspectos que tienen una influencia crítica en la clasificación de resultados. Con este sistema, los investigadores consiguieron porcentajes del 93% de precisión en la clasificación de actividades ilegales, lo que lo convierte en una herramienta de ayuda potencial para las autoridades.
La red oscura (Darknet) se hizo enormemente popular cuando el FBI detuvo al propietario de Silk Road, una web de mercado negro cuyas ventas ascendían en julio de 2013 a 1,2 billones de dólares. La red de clientes ascendía a 150.000 personas y cuatro mil vendedores. La criptomoneda es un tema que se repite constantemente ya que permite mantener en el anonimato las transacciones financieras y esconder la identidad de quienes comercian. Darknet es a menudo asociada a actividades ilegales, tales como pornografía infantil, tráfico de drogas y armas. Además, merece la pena señalar el increíble incremento en la proliferación de los dominios de Darknet, que doblaron su tamaño de 30K a 60K entre agosto de 2015 y 2016. Sin embargo, los dominios a los que se puede acceder de manera pública no van más allá de los 7K debido a la naturaleza ambigua de la web. «Movidos por el carácter crítico enterrado en Darknet y su abuso, hemos enfocado nuestra investigación en el diseño y construcción de un sistema que clasifique las prácticas ilegales en Darknet», explican los científicos. Así, revelan que el conjunto de datos para la investigación creado, DUTA contiene 26 categorías que cubren todas las actividades —legales e ilegales— monitorizadas en Darknet durante el tiempo en el que se realizó el muestreo. «Nuestro objetivo es crear una categorización precisa de Darknet a través de la clasificación del contenido textual de los ‘servicios ocultos’ (HS).
Para lograr este objetivo, los investigadores evaluaron y compararon diferentes combinaciones de algunas de las técnicas de clasificación de textos más conocidas mediante la identificación de los escenarios clave con alta influencia en la interpretación del procedimiento.
Esas 26 etiquetas con las que los investigadores categorizaron la Dark Net tienen grupos y subgrupos. Así, la clase de “Falsificación de documentos personales" se dividió en tres subclases: carnet de conducir, DNI y pasaporte. Se asignó la clase ‘vacío’ a las páginas web en las que el texto era muy corto (menos de cinco palabras), tenía tan sólo imágenes, contenía texto ilegible como caracteres especiales, y las páginas web encintadas (ramsonware).
«Al etiquetar DUTA a mano, nos dimos cuenta de que algunos foros en la HS contiene numerosas páginas web y todas ellas se refieren a un solo asunto. Por ejemplo, encontramos un foro acerca de pornografía infantil que tenía más de 800 páginas de contenido de texto, así que la dividimos en ejemplos simples que representaba una sola página y la añadimos al conjunto de datos etiquetados.