Cómo los equipos de defensa convierten los datos en resultados de las misiones

Las organizaciones líderes de defensa pueden conectar la información donde ya reside, lo que brinda a los equipos la capacidad de analizar y compartir información de forma segura entre distintos dominios sin cambiar los sistemas confidenciales. Este enfoque distribuido ofrece una mejor manera de tomar decisiones al tiempo que sienta las bases para los flujos de trabajo habilitados por AI en el futuro.

En este artículo, se analiza cómo los equipos de defensa están poniendo en práctica este enfoque en el mundo real. Con historias de clientes de organizaciones como el Cuerpo de Ingenieros del Ejército de EE. UU. y contratistas líderes del sector aeroespacial y de defensa, aprenderás cómo una capa de datos unificada basada en la búsqueda permite tomar decisiones más rápido, una gobernanza más sólida y un mejor soporte para las misiones importantes. 

Las organizaciones del sector público de todo el mundo utilizan Elastic para poner a funcionar sus datos, proteger sistemas críticos e implementar innovaciones impulsadas por AI. Elasticsearch Platform ofrece una base de datos unificada para aplicar AI de forma consistente, mejorar los servicios públicos, optimizar las analíticas de datos y la toma de decisiones, permitir la colaboración entre agencias y el intercambio de datos, brindar soporte para análisis geoespaciales y más. 

Sigue leyendo para ver cómo las organizaciones de defensa implementan la búsqueda distribuida y conectan información sin problemas entre sistemas.

El equipo del proyecto del portal de navegación del Cuerpo de Ingenieros del Ejército de los Estados Unidos brinda soporte a un tráfico de embarcaciones seguro, confiable y eficiente en todo Estados Unidos. Dada la escala de sus operaciones, incluso pequeñas mejoras pueden generar grandes ahorros de costos.

Mejorar la eficiencia fue históricamente difícil para NavPortal. Dado que su trabajo opera con un modelo de financiamiento basado en proyectos y misiones, sus herramientas suelen estar aisladas, sus sistemas de datos están fragmentados y no es posible obtener información de manera consistente en todos los proyectos.

Al operar en cientos de puertos y miles de millas de vías navegables, el Cuerpo de Ingenieros del Ejército  acumuló décadas de datos históricos de mediciones, información sobre el tráfico de embarcaciones del Sistema de Identificación Automática (AIS) de la Guardia Costera, registros de dragado y sets de datos geoespaciales de múltiples fuentes externas.

El problema central es la precisión geoespacial. Los puntos de relevamiento recopilados a lo largo del tiempo nunca se superponen a la perfección, lo que hace casi imposible estudiar de manera consistente los cambios en la profundidad del canal o la acumulación de sedimentos.

Diferentes tipos de datos — incluidas las encuestas de haz único, las encuestas multihaz, los patrones de tráfico de embarcaciones y las operaciones de dragado— existían en sistemas separados con formatos incompatibles. Para darle sentido a todo, los analistas necesitaban experiencia en una multitud de sistemas, desde SQL hasta Oracle, AutoCAD y más. 

Su problema iba más allá de la gran cantidad de herramientas. Los analistas debían conectar los sistemas manualmente. La fragmentación ralentizaba la toma de decisiones, limitaba la visibilidad en las oficinas del distrito y dificultaba predecir dónde se necesitaban operaciones de dragado —una deficiencia crítica cuando los peligros en los canales pueden volverse peligrosos rápidamente.

El Cuerpo de Ingenieros del Ejército integró el sistema de cuadrícula global H3 de Uber con Elasticsearch para crear una plataforma unificada de datos geoespaciales. Elasticsearch es un motor de búsqueda y analítica distribuido, equipado para manejar datos estructurados, no estructurados y geoespaciales a escala. Sus capacidades geoespaciales permiten realizar búsquedas rápidas en datos de ubicación mediante coordenadas, polígonos y analíticas espaciales hexagonales. Esto permite almacenar, consultar y visualizar relaciones espaciales en tiempo real.

Al convertir los puntos de sondeo sin procesar, los datos de tráfico de embarcaciones y los registros de dragado en contenedores hexagonales estandarizados a distintas resoluciones —desde escala continental hasta un pie cuadrado—, el equipo creó un marco de trabajo espacial coherente. Cada contenedor hexagonal recibe un identificador único global, lo que permite al Cuerpo de Ingenieros del Ejército rastrear los cambios a lo largo del tiempo, independientemente de la fuente de datos original o del tipo de sondeo.

Esta estandarización resolvió un desafío central de precisión geoespacial. En lugar de intentar hacer coincidir puntos de medición que no se alineaban a la perfección, el Cuerpo de Ingenieros del Ejército pudo agregar datos en áreas espaciales consistentes y compararlos de forma confiable según variables como el tiempo, el método de medición y la fuente de datos.

Las API de Elasticsearch permiten el intercambio seguro de datos entre equipos y proyectos sin reestructurar los sistemas subyacentes, mientras que sus capacidades de analíticas en tiempo real brindan soporte para cálculos de volumen inmediatos y modelado predictivo. 

Al visualizar la profundidad del canal junto con la densidad del tráfico de embarcaciones a través del mismo marco de trabajo espacial, los equipos pueden optimizar las prioridades de dragado y la asignación de recursos en función tanto de las condiciones actuales como de las necesidades futuras proyectadas.

Mediante las capacidades geoespaciales de Elasticsearch, el Cuerpo de Ingenieros del Ejército de EE. UU. ahora puede hacer lo siguiente:

• Comparar y analizar datos geoespaciales a lo largo del tiempo: La agrupación en contenedores hexagonales permite realizar comparaciones uniformes entre diferentes tipos de encuestas y períodos de tiempo, lo que ofrece nuevas capacidades de análisis de tendencias.
• Alertar a las partes interesadas cuando surjan problemas: cuando los contenedores agregados indican una acumulación de sedimentos que supera los umbrales, el sistema activa alertas para las entidades locales, las oficinas de distrito y la sede central.
• Predecir problemas antes de que se produzcan: Al rastrear las tasas de sedimentación de cada celda hexagonal, el Cuerpo de Ingenieros del Ejército puede proyectar las condiciones del canal con seis meses de anticipación e identificar las áreas que requieren mantenimiento antes de que ocurran encallamientos de embarcaciones o incidentes de seguridad.

Estos contenedores hexagonales ahora se han convertido efectivamente en un marco de trabajo de integración de datos para el Cuerpo de Ingenieros del Ejército, lo que brinda una nueva forma de unificar datos de sondeos, tráfico de AIS, métricas de dragado y analíticas predictivas en un único sistema espaciotemporal que mantiene los canales abiertos, seguros y eficientes.

SNC es un contratista global aeroespacial y de seguridad nacional que apoya operaciones críticas de defensa y gobierno , que abarcan la modificación e integración de aeronaves, el desarrollo de sistemas espaciales y productos tecnológicos de ciberseguridad .

Para una organización que opera a este nivel, una ciberseguridad sólida es fundamental para cumplir con los requisitos contractuales y normativos. Una estricta supervisión gubernamental, sumada a la necesidad de mantener la confianza de los ciudadanos, ejerce presión sobre las operaciones de amplio alcance de la organización.

A medida que SNC se expandía, también lo hacía la complejidad de su panorama de amenazas. La organización necesitaba una forma escalable y segura de monitorear y responder a amenazas en entornos cada vez más distribuidos, todo sin depender de proveedores de servicios gestionados externos para proteger sus sistemas más confidenciales, la propiedad intelectual y la Información No Clasificada Controlada (CUI).

La solución existente de gestión de información y eventos de seguridad (SIEM) de SNC, administrada por un tercero, tenía dificultades para mantenerse al día con las operaciones de defensa modernas. 

“El sistema heredado era lento y costoso”, explica Doug Russell, director de estrategias de integración de datos en SNC. “Ejecutar búsquedas era un proceso engorroso”.

Las investigaciones que requerían respuestas rápidas solían demorar varios minutos, lo que representaba un riesgo crítico en un entorno de amenazas donde la velocidad de detección puede determinar de forma directa la gravedad del impacto. Más allá del rendimiento básico, la configuración heredada de SNC creaba graves puntos ciegos operativos. Los analistas carecían de las capacidades de correlación necesarias para conectar las señales de seguridad en todos los entornos, lo que limitaba su habilidad para detectar y contener amenazas antes de que causaran daños reales. 

Sobre todo, el propio equipo de ciberseguridad de SNC no podía visualizar ni controlar por completo los sistemas en los que confiaba para proteger información confidencial de defensa, lo que representaba un riesgo crítico para un contratista que trabaja bajo estrictas regulaciones gubernamentales. 

El equipo de SNC ejecutó Elastic Security en paralelo con su solución existente para evaluarla de primera mano. Elastic Security es una plataforma abierta e impulsada por AI que unifica SIEM, XDR y seguridad del cloud en una sola solución. Esto permite a los equipos detectar, investigar y responder a amenazas con rapidez y a escala, todo sin silos de datos ni complejidad adicional. Para SNC, los resultados fueron inmediatos.

“La diferencia fue como el día y la noche”, comenta Russell. “La velocidad y las capacidades de consulta de Elastic en nuestro entorno nos asombraron por completo. La capacidad de visualizar datos con dashboards de Kibana también fue impresionante”.

Por cuestiones de rendimiento, SNC migró a Elastic Security y creó un sólido centro de operaciones de seguridad (SOC) interno sobre esta plataforma. Con Elastic como SIEM central, el equipo de ciberseguridad de SNC ahora podía analizar, investigar y actuar directamente sobre los datos de seguridad sin canalizar información confidencial a través de un tercero. Los controles de acceso basados en roles y la separación operativa garantizaron que las personas adecuadas pudieran ver los datos correctos, al tiempo que se mantenía la seguridad general de la información.

Elastic Security permitió a SNC automatizar una parte significativa de sus flujos de trabajo de alertas mediante la característica de gestión de casos, lo que redujo la sobrecarga manual y liberó a los analistas para que se concentren en tareas de mayor valor.

“Elastic nos ha ayudado a aliviar la presión sobre nuestros analistas de seguridad a la vez que facilita un acceso más fluido a los datos”, afirma Russell. “Esta mayor velocidad es crucial para cumplir con nuestros estrictos SLA con los clientes y garantiza que nos mantengamos dentro de los límites de cumplimiento”.

Elastic también abordó los estrictos requisitos de retención de datos de SNC mediante la eficiencia del almacenamiento, lo que permitió una rápida recuperación de datos más antiguos desde los niveles de almacenamiento fríos y congelados.

Consolidar múltiples herramientas de seguridad en una sola plataforma simplificó las operaciones del día a día. Por ejemplo, los analistas que investigan direcciones IP maliciosas ya no necesitan pasar de un sistema a otro para tener un panorama completo. “Elastic aborda de manera elegante nuestros requisitos sin complejidad ni costos innecesarios”, explica Russell.

La colaboración entre el SOC y los equipos de respuesta a incidentes también mejoró significativamente. “Anteriormente, compartir información implicaba intercambiar numerosos enlaces”, dice Roderick Bickert, gerente de ciberseguridad de SNC. “Con Elastic, podemos enviar un único enlace que dirige a las personas a toda la información disponible. Ver todo dentro de una plataforma unificada optimiza significativamente los flujos de trabajo”.

Con Elastic Security como base, SNC:

• Redujo los tiempos de consulta de minutos a segundos, lo que da a los analistas el poder de cumplir con estrictos SLA internos y para clientes, y de responder a las amenazas antes de que se agraven
• Escaló diez veces la ingesta de datos, procesando el equivalente a un terabyte de datos de seguridad cada día sin comprometer el rendimiento
• Detectó y neutralizó amenazas de día cero de forma proactiva, identificando y conteniendo ataques antes de que se anunciaran públicamente, fortaleciendo la postura general de seguridad de SNC
• Lanzó una nueva fuente de ingresos a través de Defensible Security, un servicio de seguridad gestionado para contratistas de defensa basado en Elastic Security y Microsoft Azure Government Cloud
• Mejoró la colaboración entre los equipos de SOC y de respuesta a incidentes, al reemplazar los flujos de trabajo fragmentados y multiplataforma con una sola vista unificada

Como afirma Russell: “Podemos encontrar amenazas rápidamente y alertar a los clientes antes de que sospechen lo que ocurre en su entorno. Otros actores del sector de defensa no han podido seguirnos el ritmo desde una perspectiva de ciberseguridad."

De cara al futuro, SNC planea profundizar su uso de AI y de machine learning dentro del SOC, lo que permite aprovechar las capacidades de detección de anomalías de Elastic Security, analíticas de comportamiento de usuarios y entidades (UEBA) y la integración con modelos externos de machine learning para automatizar aún más la identificación y respuesta a amenazas. 

Sin importar el volumen de datos, SNC ahora puede almacenar todo en una única ubicación central. Cassie Cagwin, gerente sénior de ciencia de datos de ciberseguridad en SNC, señala: “Elastic continúa desempeñando un papel central en nuestras iniciativas de seguridad de AI”.

Como una de las empresas aeroespaciales y de defensa más grandes del mundo, esta organización aeroespacial multinacional sabe que la precisión técnica y la preparación operativa son esenciales. Los ingenieros, técnicos y gerentes de programas dependen del acceso inmediato a documentación precisa para mantener los programas, cumplir con los plazos y garantizar el éxito de las misiones. Pero a medida que la organización crecía, también aumentaba la complejidad de encontrar la información adecuada cuando más importaba.

La documentación solía estar dispersa entre sitios de SharePoint, recursos compartidos de archivos, archivos de correo electrónico y decenas de repositorios desconectados. Los ingenieros a menudo tenían que preguntar directamente a sus colegas o mantener notas personales solo para llevar un registro de los procedimientos. Sin una búsqueda unificada, los empleados desperdiciaban tiempo valioso buscando documentos o, incluso, duplicándolos por accidente. 

El desafío se intensificó a medida que una sola división acumuló más de dos millones de documentos procedentes de entre 50 y 60 fuentes, que abarcaban desde medios de comando de ingeniería hasta reportes de lecciones aprendidas y otros archivos críticos.

Aunque la organización tenía la documentación adecuada, no contaba con una forma sencilla de encontrarla. Los ingenieros necesitaban acceso instantáneo a las instrucciones de compilación, los procedimientos de prueba, las referencias a políticas y las especificaciones técnicas, pero no contaban con una forma unificada de buscarlos en todos los sistemas. 

La proliferación de versiones agravó el problema. Sin una fuente de verdad acreditada, los equipos no podían verificar si estaban trabajando a partir de las especificaciones más actualizadas. Esto, en sí, generaba nuevos riesgos, en especial, en contextos críticos donde la información desactualizada podía provocar problemas de seguridad o demoras muy costosas. Los nuevos empleados debían pasar por semanas de incorporación, durante las cuales aprendían en qué repositorios buscar y cómo navegar por sistemas fragmentados.

La organización necesitaba una solución para unificar el acceso a la documentación técnica, brindar soporte tanto a búsquedas precisas de palabras clave como a la búsqueda semántica exploratoria, y sentar las bases para futuras capacidades impulsadas por AI.

Hace varios años, la división comenzó a crear una aplicación personalizada de búsqueda empresarial en el stack gratuito y open source de Elasticsearch. Desde entonces, el equipo se ha actualizado y aprovecha las capacidades avanzadas de AI, incluido el modelo de incrustación de Elastic, ELSER, y el soporte nativo para pipelines de retrieval augmented generation (RAG).

Elasticsearch es un motor de búsqueda y analítica distribuido diseñado para manejar datos estructurados y no estructurados a escala. Sus capacidades de búsqueda híbrida permiten a los usuarios combinar la precisión de las palabras clave con la comprensión semántica, lo que hace posible buscar números de piezas o referencias de políticas exactos.

“El enfoque principal de la aplicación es indexar documentación técnica", afirma un desarrollador principal del proyecto. "Esto es fundamental porque le dice a un ingeniero cómo hacer su trabajo. Al indexar directamente desde las fuentes originales, les damos a los ingenieros la seguridad de que lo que encuentran está actualizado y es correcto.”

La aplicación ahora admite más de dos millones de documentos y procesa 30 000 búsquedas al mes. Los ingenieros pueden usar la búsqueda híbrida para equilibrar la precisión y la exploración. Elasticsearch Platform ofrece un valor significativo en las plantas de producción, donde los técnicos la usan para acceder a instrucciones, así como crearlas y probarlas en tiempo real.

“Elastic nos ha permitido crear un motor de búsqueda curado y a medida, adaptado a casos de uso específicos”, dice el desarrollador principal. “Esto se traduce en resultados más limpios y precisos”.

Además de la búsqueda empresarial, Elasticsearch proporciona soporte para AI generativa. El equipo usa pipelines RAG y ELSER para vectorizar sets de datos y experimentar con asistentes impulsados por AI, mientras basa todas las respuestas en documentos autorizados.

“Otras herramientas requerían capacidades complementarias para dar soporte a la búsqueda semántica y a las bases de datos vectoriales”, explica el desarrollador principal. “Elastic proporciona estas características de forma nativa dentro de una arquitectura abierta y escalable”. 

Al usar Elasticsearch, la organización aeroespacial:

• Mejoró la eficiencia operativa en contextos críticos: La organización implementó la búsqueda híbrida y ahora brinda soporte a más de dos millones de documentos y 30 000 búsquedas al mes.
• Eliminó la proliferación y duplicación de documentos: Al consolidar la búsqueda empresarial, la organización aceleró el acceso a la información crítica, a la vez que mantuvo los datos respaldados en documentos autorizados.
• Sentó las bases para la innovación impulsada por AI: Elasticsearch Platform ofrece soporte integrado para la AI generativa y otras innovaciones de AI, como asistentes impulsados por AI y el modelo de incrustaciones de Elastic, ELSER.
• Optimizó la incorporación: El aumento de la eficiencia operativa centralizó la documentación, lo que ayuda a los nuevos empleados a localizar y procesar rápidamente la documentación.

“La aplicación ha sido un gran éxito gracias a su facilidad de uso y al soporte y a la colaboración confiables que tenemos con el equipo de Elastic”, dice el desarrollador principal.

La aplicación está evolucionando hacia una plataforma de conocimiento para toda la empresa que ingesta documentos en toda la organización y permite realizar búsquedas a medida para áreas de negocio específicas. El equipo ahora puede desarrollar y hacer demostraciones de prototipos basados en RAG utilizando modelos de AI generativa, lo que demuestra cómo Elastic brinda soporte a sistemas multiagente y apoyo a la toma de decisiones en entornos altamente regulados.

De cara al futuro, el equipo prevé expandir la plataforma para dar soporte tanto a conjuntos de documentos pequeños y especializados como a sets de datos grandes y complejos. “A medida que damos soporte a futuros proyectos, incluidas misiones a la Luna y a Marte”, afirma el desarrollador principal, “Elastic nos mantiene a la vanguardia a la hora de agregar nuevas herramientas como asistentes de AI, soporte para la toma de decisiones basado en el conocimiento y búsqueda escalable”.