Big data: It all started with Google and continues that way...

My 40th birthday is approaching and I start to think what has changed in the last decade specially in IT; this are my reflections about Big Data.

One decade ago, Google's people published some papers detailing a new way to analyze huge stores of information. Data was spread in "small" chunks across thousands of servers. When you asked a question, this query was processed by all those servers in parallel, and you got an answer, usually fast enough. They described this method as MapReduce.

Then Yahoo guys decided to implement MapReduce as an open source project called Apache Hadoop.  Now everything related to Big Data is somehow related to Hadoop which has been the hype term for Big Data for some years now. What does Hadoop do? I does MapReduce!

For Hadoop to make sense you have to have some nodes all inter-connected, so when you "ask" something your query is distributed among these nodes.

I think IBM has done a superb job explaining what MapReduce is, you can find it here. It will take 2 minutes to read, and in your next nerd cocktail party you will be able to talk about Hadoop with everyone.

Here is an extract of IBM's explanation:

"As an analogy, you can think of map and reduce tasks as the way a cen­sus was conducted in Roman times, where the census bureau would dis­patch its people to each city in the empire. Each census taker in each city would be tasked to count the number of people in that city and then return their results to the capital city. There, the results from each city would be reduced to a single count (sum of all cities) to determine the overall popula­tion of the empire. This mapping of people to cities, in parallel, and then com­bining the results (reducing) is much more efficient than sending a single per­son to count every person in the empire in a serial fashion."

It sounds logical to think that Google processes more information that any other company in the world, and because of that, they create tools to handle huge volumes of data, and those tools seem to be 2-5 years ahead of all others. June 25, 2014 they announced a new technology called Google Cloud Dataflow; in short, Cloud Dataflow is a successor to MapReduce...

Still it is too soon (at least for me) to understand the main differences, but so far I think Big Data started with Google and they are still setting the pace of Big Data.

¿Por qué Heartbleed es diferente?

Heartbleed no es un virus, ni tampoco un gusano, que son las amenazas de seguridad informática a las cuales estamos acostumbrados. Nos protegemos de ellas simplemente teniendo un antivirus y un sistema operativo actualizado (Windows, por ejemplo). En otras palabras, normalmente lo que tiene un problema de seguridad es nuestro computador. Pero en este caso, es totalmente diferente, son los computadores (servidores) de las grandes compañías los que tienen el problema, compañías como Google, por ejemplo.

No se sabe cuantos y cuales sitios han sido afectados, pero han sido bastantes. Personalmente, creo que más de uno ya es demasiado, aquí hay una lista de los principales sitios afectados.

Ahora entendamos cómo es que tantas compañías fueron afectadas. Un programa informático que es gratuito y de código abierto (creado y mantenido por un grupo de personas independientes) llamado OpenSSL es la causa. 

Dado que era gratuito y además considerado de lo más seguro, miles o hasta millones de empresas decidieron utilizarlo para cifrar las conexiones entre nuestros computadores y los de ellos (según la RAE, cifrar se define como: Transcribir en guarismos, letras o símbolos, de acuerdo con una clave, un mensaje cuyo contenido se quiere ocultar). Cada vez que en nuestro navegador web poníamos www.gmail.com y luego escribíamos nuestra contraseña, el programa OpenSSL, en los servidores de Gmail, se encargaba de cifrar el diálogo que existía entre nuestro computador y el de Google, para que nadie más (otros computadores o personas conectadas al Internet, por ejemplo) puedan ver cuál es nuestra clave o el contenido de nuestros correos electrónicos. Pero como suele suceder con programas informáticos, OpenSSL tenía un error, este error recientemente descubierto y bautizado Heartbleed permitía a otras personas ver el contenido de la conversación supuestamente cifrada entre nuestro computador y el de Gmail por ejemplo, esta conversación contiene nuestra contraseña y nuestros emails, en este caso.

Como puedes ver, nosotros como individuos no podemos hacer nada en nuestros computadores personales para subsanar esta vulnerabilidad, pero lo que si podemos hacer es lo siguiente: 

• Una vez el proveedor de servicios (Banco, Email, Tienda, etc.) confirme que han configurado en sus servidores la última versión de OpenSSL, la cual no contiene el error, cambiar nuestras contraseñas lo antes posible.

Algunas empresas son muy abiertas y honestas confesando que tienen el problema e informan a todos sus clientes o suscriptores por email acerca de los riesgos, y también confirman cuando ya han subsanado el problema, y que uno debe cambiar la contraseña; no ignoremos estos mensajes y cambiemos nuestras contraseñas.

• También podemos analizar si un sitio tiene el problema o no usando esta herramienta, y si lo tiene, contactarlo y exigir que lo arreglen o cerrar nuestra cuenta.

Como ven, este incidente de seguridad es único y creo que cambiará la historia de la seguridad informática. 

Feliz fin de semana cambiando sus contraseñas!

Google's searching capabilities! Looking for a new job for example.

Don’t forget about google’s searching capabilities! Looking for a new job for example?

Google has a lot of powerful searching operators. For example, if your are looking for a new job, and you have noticed that that a lot of companies post those opportunities in taleo.net you can run this query in google: site:taleo.net BW, this will find all BW jobs in taleo.net. Spend some time improving your google search skills for free in this google made course: http://www.google.com/insidesearch/landing/powersearching.html

La privacidad digital u online

La privacidad digital u online

Las revelaciones, primero de Wikileaks, y ahora de Snowden (el contratista de la agencia de seguridad de EEUU que reveló algunos secretos), generaron una serie de preguntas de mis amigos y familiares sobre el tema de la privacidad digital. Yo no soy ningún experto, pero como trabajo con informática, es mi “obligación” conocer sobre el tema; esto es algo común para nosotros los informáticos; nunca falta el amigo o familiar que tiene un problema con su computador y es “obligación” nuestra tener la respuesta.

Bueno aquí les dejo algunos puntos para pensar:

Seguridad básica

Usa contraseñas complejas y que no estén guardadas en tu computador.

Instala sistemas de protección (antivirus, etc.).

Siempre actualiza el software de su computador. (Sobre todo la versión de Java, lo puedes hacer aquí.)

Si tienes un documento con información delicada guárdalo en un flash drive, no en Dropbox o Google Drive.

Aquí permíteme hacer un paréntesis, yo crecí y viví hasta mis 30 (sigo en mis 30) en una ciudad tropical muy húmeda, guardé mis documentos e imágenes importantes en CDs, y luego de 3 años estaban perdidos por efectos de la corrosión y/o moho. Entonces descubrí los DVDs con Oro (13 USD por 5 unidades) que prometen una vida de 100 años, no estoy seguro si es así, pero sé que más de 5 años en una ciudad húmeda sí resistirán. Entonces, si el documento que quieres conservar no va a cambiar, lo puedes guardar en uno de estos DVDs en vez de en un Flash drive.

Cifrado

La RAE define cifrar como:

Transcribir en guarismos, letras o símbolos, de acuerdo con una clave, un mensaje cuyo contenido se quiere ocultar.

Con eso ya tienes la idea de qué significa cifrar, por ejemplo cifrar nuestros correos electrónicos. Dependiendo de tu grado de interés o si estás interesado en tu correo personal o el de tu empresa, puedes contratar el servicio de empresas como www.silentcircle.com o www.voltage.com; si tu presupuesto es 0, puedes acudir a www.gnupg.org. En esta última opción tengo que advertirte que vas a invertir un poco de tiempo extra (2 – 4 horas) y además que en tus dispositivos móviles (teléfono móvil, tableta, etc.) no vas a poder leer tus mensajes cifrados.

Distorsión

Algunos expertos opinan que usar cifrado, es como enviar un mensaje a las autoridades diciendo: “Estoy haciendo algo indebido, por eso cifro mis mensajes”, personalmente no estoy de acuerdo con eso, pero si tu lo estas, una alternativa al cifrado es la distorsión. www.spammimic.com por ejemplo, disfraza tu mensaje en lo que parece ser un típico mensaje de Spam. También puedes combinar esto con www.10minutemail.com, tus mensajes viven 10 minutos y luego desaparecen para siempre.

Estenografía

No estoy seguro que este sea el término correcto en español, pues la RAE define estenografía como taquigrafía, pero no encontré otro mejor para la palabra en inglés Steganography.

Esta técnica es para los que están dispuestos a gastar un poco más de tiempo. Básicamente se trata de enviar mensajes ocultos en fotos, canciones mp3, etc. Por ejemplo, con secretbook puedes esconder mensajes en fotos publicadas en el Facebook.

Redes de anonimato

Tor es una red de voluntarios que trata de mantener anónimas tus actividades como ser que sitios visitas y que descargas. Es una buena ayuda, pero no estas del todo protegido.

Espero sus comentarios y preguntas.