El Dr. Daniel Gavilanes Aray, director del Centro Tecnológico de la Fundación Universitaria Iberoamericana (FUNIBER), participa en un estudio que ha desarrollado un modelo de aprendizaje automático apilado que mejora la identificación de ataques cibernéticos con alta precisión y robustez.
El Internet de las Cosas (IoT) ha transformado la manera en que las personas interactúan con la tecnología, permitiendo que dispositivos de uso cotidiano se integren en una vasta red global interconectada. No obstante, este avance conlleva también riesgos significativos, entre los que destacan las botnets, redes de dispositivos infectados utilizadas para ejecutar ataques cibernéticos de gran escala.
Las botnets se conforman a partir de dispositivos comprometidos —que pueden ir desde ordenadores hasta cámaras de seguridad domésticas— y son controladas de forma remota por atacantes para desarrollar actividades ilícitas como ataques de denegación de servicio (DDoS), robo de datos o envío masivo de spam.
La diversidad de dispositivos que componen el ecosistema del IoT, con diferencias en protocolos y capacidades, hace que su protección sea un desafío creciente para la ciberseguridad. Las técnicas tradicionales resultan insuficientes, más aún en un escenario donde los ciberdelincuentes incorporan inteligencia artificial (IA) para perfeccionar sus métodos.
En este contexto, se plantea un enfoque innovador basado en aprendizaje automático (ML) para anticipar y neutralizar estas amenazas, marcando un paso importante en la protección digital de las redes inteligentes.
El estudio en el que participa el Dr. Gavilanes propone un modelo denominado KSDRM, que combina distintos algoritmos de aprendizaje automático —entre ellos k-Nearest Neighbors (KNN), máquinas de vectores de soporte (SVM), árboles de decisión (DT), bosques aleatorios (RF) y perceptrones multicapa (MLP)—. Para integrar los resultados de estos clasificadores y mejorar la precisión, el modelo utiliza la regresión logística como metaclasificador.
Este planteamiento no solo busca optimizar la capacidad de detección, sino también reducir el sobreajuste y aumentar la interpretabilidad, frente a las aproximaciones basadas exclusivamente en redes neuronales profundas.
Resultados que refuerzan la seguridad digital
Los resultados obtenidos confirman la eficacia del modelo propuesto. El KSDRM alcanzó una precisión del 97,94% en pruebas, superando al mejor clasificador individual (RF), que obtuvo 97,34%. Además de su exactitud, el sistema demostró reducir el tiempo de procesamiento, lo que lo convierte en una alternativa viable para aplicaciones en tiempo real, donde la inmediatez es crítica.
Este avance no solo representa un paso adelante en la defensa contra botnets, sino que también sienta las bases para futuras investigaciones en ciberseguridad aplicada al IoT. En un mundo hiperconectado, donde cada dispositivo puede convertirse en un punto vulnerable, la IA emerge como la aliada estratégica más eficaz para garantizar la protección digital.
Si quieres conocer más sobre este estudio, haz clic aquí.
Para leer más investigaciones, consulta el repositorio de UNEATLANTICO.
La Fundación Universitaria Iberoamericana (FUNIBER) ofrece programas de becas para estudiar una maestría en el área de tecnología, como la Maestría en Dirección Estratégica con Especialidad en Tecnologías de la Información. Esta maestría está diseñada para los profesionales que buscan liderar la integración de las tecnologías de la Información (TI) en las estrategias empresariales. Proporciona las herramientas necesarias para alinear las NTIC con los objetivos organizaciones, fomentando la innovación y la competitividad en un entorno empresarial en constante evolución.