Arquitectura híbrida para gestión dinámica de factores de acceso: integración de agentes de IA con WSO2 y Keycloak

Abstract

Vivimos en un mundo conectado. Las aplicaciones en la actualidad están permanentemente conectadas a redes de datos, y a la red Internet. Dichas redes pueden ser inseguras, por lo tanto, las aplicaciones y diversas soluciones de software están expuestas a ciberataques. Es clave efectuar una correcta Gestión de la Identidad y Acceso (Identity and Access Management IAM por su siglas en inglés), porque la identidad digital de los usuarios y los activos digitales deben estar protegidos, y no deben permitirse accesos no autorizados. En los últimos años la irrupción de la inteligencia artificial ha sido determinante en muchos ámbitos, la ciberseguridad y la gestión de identidad y acceso no son la excepción. Los avances en algoritmos de machine learning y modelos de lenguaje de gran tamaño (LLM) como GPT de OpenAI, Claude de Anthropic o DeepSeek-R1-Zero y DeepSeek-R1 de DeeepSeek, han impulsado el desarrollo de agentes de inteligencia artificial. Es vital poder demostrar cómo detectar dinámicamente amenazas y cómo optimizar la gestión de identidad y acceso mediante agentes. Tomando como base las limitaciones de los sistemas de gestión tradicionales que no utilizan inteligencia artificial, se estudiará cómo los agentes de inteligencia artificial pueden administrar la autenticación, la detección de anomalías y la autorización en tiempo real, en muchas ocasiones tomando sus propias decisiones, y en otras decidiendo en base a la supervisión humana. Este enfoque busca avanzar hacia un modelo IAM autónomo, seguro y escalable. Se pretende seguir una metodología de estudio basada en un análisis cuantitativo. Por medio de estudios empíricos en ambientes controlados, tanto locales como en producción que permitan evaluar la efectividad de los agentes de IAM generados.