Commvault ha identificado cinco formas en que los equipos de TI pueden aprovechar la inteligencia artificial (IA) para fortalecer y mejorar los ‘backups’.
La IA y el Machine Learning (ML) se han convertido en tecnologías fundamentales que permiten analizar el historial de backups y desarrollar modelos para realizar copias de seguridad y recuperaciones más eficientes. Esto ayuda a las organizaciones a prever eventos de seguridad de datos, desde fallos en el hardware hasta ataques cibernéticos exitosos contra las copias de seguridad. Además, en situaciones de crisis, estas tecnologías facilitan una restauración rápida y eficiente de la infraestructura y los datos para recuperar la normalidad operativa.
Para empezar, Commvault ha resaltado la programación de tareas rutinarias automatizadas, donde mediante el uso de machine learning basado en series temporales, las plataformas impulsadas por inteligencia artificial mejoran constantemente la programación de las tareas de backups.
Esto se logra mediante una secuenciación óptima que calcula los mejores objetivos de punto de recuperación (RPO) para proteger los datos, priorizando las cargas de trabajo según los objetivos de disponibilidad. Además, la IA minimiza el tiempo necesario para realizar la copia de seguridad de los datos, y todo este proceso puede ser completamente autónomo, sin necesidad de intervención manual por parte del personal de TI.
Otra forma destacada por Commvault ha sido la gestión y supervisión racionalizadas: La IA recopila de forma continua datos de rendimiento de diversas operaciones de backups para analizar detalladamente el estado de miles de trabajos diarios. Este análisis identifica anomalías que se apartan del proceso normal de seguridad, clasificándolas según su tipo, frecuencia y gravedad. Mientras algunos errores pueden ser temporales o rutinarios y solucionarse automáticamente, otros requieren la atención del equipo de TI.
Otras 3 formas de impulsar los ‘backups’
- Clasificación de datos y evaluación de riesgos: La IA y el ML también son útiles para definir y clasificar la información, determinando qué datos deben tener prioridad en caso de un desastre. Mediante el entrenamiento de modelos de clasificación con datos empresariales, se identifican los tipos de documentos más relevantes en cada área de negocio. Esta clasificación se realiza incluso en datos complejos y desestructurados, utilizando técnicas de aprendizaje profundo y análisis de texto.
- Detección de ataques: La ciberseguridad es esencial para el funcionamiento efectivo del backups. Los atacantes de ransomware no solo apuntan a los datos productivos, sino también a las copias de seguridad. Por lo tanto, la IA debe ser capaz de identificar anomalías en los datos que puedan indicar un ataque. Esto puede incluir el análisis de la entropía de los archivos para detectar posibles cifrados maliciosos. Es crucial detectar estas anomalías de inmediato durante el proceso de cifrado, algo que la IA puede hacer de manera eficiente, superando las limitaciones humanas en la detección de eventos en grandes conjuntos de datos.
- Recuperación de datos e infraestructuras: Por último, la IA y el ML permiten a los equipos de TI establecer objetivos óptimos de tiempo de recuperación (RTO) y RPO, minimizando la pérdida de datos y garantizando una rápida disponibilidad. Además, la IA ayuda a definir los pasos necesarios para la recuperación antes de un desastre, proporcionando alertas cuando los acuerdos de nivel de servicio (SLA) sobre la disponibilidad de los datos están en riesgo de incumplimiento. En resumen, la IA y el ML están transformando la gestión de backups al proteger contra ataques, automatizar tareas, mejorar la eficiencia y reducir la carga técnica de las empresas.
