Uso de IA para mejorar la señalización de amenazas internas dentro del ejército de los Estados Unidos
Crédito: dominio público Unsplash/CC0
La investigación publicada en el International Journal of Applied Decision Sciences describe cómo la inteligencia artificial podría usarse para eliminar las amenazas internas en el Ejército de los Estados Unidos. La investigación se centra en el centro de amenaza interna del Ejército, una instalación que evalúa el peligro que plantea las personas marcadas por un comportamiento potencialmente dañino. Luego introduce una herramienta de aprendizaje profundo capaz de mejorar significativamente cómo se priorizan y procesan tales casos.
Las amenazas internas son muy diferentes de las amenazas externas. Eso es obvio, por definición. Las personas con acceso legítimo a sistemas o información confidenciales pueden causar estragos si tienen una mente o incluso sin querer. Tales individuos pueden ser empleados o contratistas actuales o anteriores. En un contexto militar, la interrupción de los datos puede ser una cuestión de vida o muerte.
El ejército de los Estados Unidos tiene cientos de miles de personal e informes interminables de amenazas entrantes. Según los investigadores, existe una ausencia de un sistema estandarizado para los informes de amenazas de triaje, lo que complica los esfuerzos para identificar riesgos y, por lo tanto, la acumulación de casos no resueltos continúa acumulándose.
La investigación ofrece una nueva respuesta a los problemas que enfrenta el ejército de los EE. UU.: Un modelo de clasificación entrenado en datos históricos de casos revisados previamente que pueden determinar si un individuo determinado es una amenaza insignificante o un alto riesgo. La salida del sistema luego permite al personal priorizar sus esfuerzos para manejar primero los casos de alto riesgo.
El sistema utiliza rasgos de personalidad conocidos, como la impulsividad o la agresión, e indicadores situacionales como presiones financieras externas o trauma personal para juzgar la amenaza que un individuo podría representar. La interacción de estos elementos da la visión más predictiva.
Las pruebas con el modelo entrenado en un segundo conjunto de datos históricos dieron una tasa de precisión de detección del 96%. El sistema evaluó la gravedad de la mayoría de las amenazas con precisión o, si no fue así, sobreestimó ligeramente el riesgo, lo cual es un mejor resultado que pasar por alto a las personas peligrosas.
Más información: Saleem Ali et al, Asociación Humana y Máquina: Procesamiento del lenguaje natural de los datos del centro de amenazas del ejército, Revista Internacional de Ciencias de la Decisión Aplicada (2025). Doi: 10.1504/ijads.2025.146569
Cita: Uso de IA para mejorar el marcado de amenazas internas dentro del Ejército de los EE. UU. (2025, 9 de junio) Recuperado el 9 de junio de 2025 de https://techxplore.com/news/2025-06-ai-flagging-internal-threats-army.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
