Algoritmo para la detección de URL’s maliciosas y legítimas utilizando máquinas de vectores de soporte (SVM)

Autores/as

DOI:

https://doi.org/10.5281/zenodo.15132851

Palabras clave:

Inteligencia Artificial, IA, Ciberseguridad, Amenazas cibernéticas, Máquinas de Vectores de Soporte, SVM, Detección de Ataques, Phishing, Malware

Resumen

Esta investigación examina el uso de la inteligencia artificial (IA) en el ámbito de la ciberseguridad, ofreciendo una perspectiva completa sobre cómo los métodos avanzados de IA pueden fortalecer la protección contra amenazas cibernéticas. Se revisan los fundamentos de la ciberseguridad, destacando su importancia en la protección de datos y sistemas. Se analiza la metodología de Inteligencia Artificial, específicamente las Máquinas de Vectores de Soporte (SVM), y su efectividad en la detección de ataques. También se examinan tipos de amenazas como el phishing y el malware. Para evaluar la efectividad práctica de estos métodos, se llevaron a cabo experimentos utilizando repositorios de datos públicos. Los resultados indican que las SVM, entre otras técnicas, pueden mejorar significativamente la detección y respuesta a amenazas cibernéticas. Esta investigación subraya la importancia de la IA en la evolución de la ciberseguridad y propone futuras direcciones para la investigación y aplicación en este campo esencial.

Biografía del autor/a

Dylan Alejandro Fernández Molina, Tecnológico de Estudios Superiores de Ecatepec

Estudiante del Tecnológico de Estudios Superiores de Ecatepec

Arturo Hernandez Martinez, Tecnológico Nacional de México/TESE de Ecatepec

Estudiante

Jimena Melendez Ramirez, Tecnológico Nacional de México/TESE de Ecatepec

Estudiante

Juan Manuel Stein Carrillo, Tecnológico Nacional de México/TESE de Ecatepec

Profesor

Citas

(ENISA), T. E. (17 de Abril de 2024). Artificial Intelligence and Cybersecurity Research. Obtenido de https://www.enisa.europa.eu/publications/artificial-intelligence-and-cybersecurity-research

Brunswick, U. d. (1 de Julio de 2024). URL dataset (ISCX-URL2016). Obtenido de https://www.unb.ca/cic/datasets/url-2016.html

Cybersecurity, C. I. (24 de Junio de 2024). URL dataset (ISCX-URL2016). Obtenido de http://205.174.165.80/CICDataset/ISCX-URL-2016/Dataset/

Jupyter Notebook. (12 de Junio de 2024). Obtenido de https://jupyter.org/

Matplotlib. (18 de Junio de 2024). Obtenido de https://matplotlib.org/

NumPy. (10 de Junio de 2024). Obtenido de https://numpy.org/

Pandas. (30 de Mayo de 2024). Obtenido de https://pandas.pydata.org/

Python (Oficial). (s.f.). Recuperado el 21 de Mayo de 2024, de https://www.python.org/

Scholar, S. (1 de Julio de 2024). Detecting Malicious URLs Using Lexical Analysis. Obtenido de https://www.semanticscholar.org/paper/Detecting-Malicious-URLs-Using-Lexical-Analysis-Mamun-Rathore/01bb00b24fb2bcf1d11748d0c39ba60367b4c264

Scikit-Learn. (5 de Junio de 2024). Obtenido de https://scikit-learn.org/stable/

Descargas

Publicado

08-04-2025

Cómo citar

Fernández Molina, D. A., Hernandez Martinez, A., Melendez Ramirez, J., & Stein Carrillo, J. M. (2025). Algoritmo para la detección de URL’s maliciosas y legítimas utilizando máquinas de vectores de soporte (SVM). RICT Revista De Investigación Científica, Tecnológica E Innovación, 3(5), 32–39. https://doi.org/10.5281/zenodo.15132851