DOI: https://doi.org/10.71112/4mvx1985
1625 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
Machine Learning aplicado en la seguridad informática
Machine Learning applicated in cybersecurity
Raymond Pérez Meza
Raymond.perez.meza@una.cr
https://orcid.org/0000-0003-4932-7840
Universidad de Costa Rica
Costa Rica
RESUMEN
El Machine Learning en la actualidad es una de las tecnologías y/o herramientas más
utilizadas, sin embargo, en muy pocas ocasiones se logra identificar su utilidad e importancia.
El propósito de este trabajo es identificar como el ML está siendo utilizado actualmente en el
campo de la ciberseguridad, esto a partir de un análisis bibliográfico en el cual se logró
evidenciar cada una de las utilidades del ML, aplicado en mecanismos de seguridad de los
datos, sistemas de información y en diversas áreas relacionadas con la seguridad informática.
Los resultados obtenidos son evidencia de como el ML está presente en mecanismos de
seguridad en dispositivos de Internet de las Cosas (IoT), Sistemas de Detección de Intrusiones
(IDS), análisis de sitios web, detección de fraudes bancarios e Industria 4.0, prácticamente en
cada tecnología que utilizamos.
Palabras clave: aprendizaje máquina; ciberseguridad; seguridad informática; detección de
intrusiones; internet de las cosas
DOI: https://doi.org/10.71112/4mvx1985
1626 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
ABSTRACT
Machine Learning (ML) has become one of the most widely used technologies and tools today;
however, its utility and significance are often overlooked. The purpose of this research is to
examine how ML is currently being applied in the field of cybersecurity through a
comprehensive literature review. This analysis highlights the various applications of ML in data
security mechanisms, information systems, and multiple domains related to information security.
The findings demonstrate that ML plays a critical role in security mechanisms for Internet of
Things (IoT) devices, Intrusion Detection Systems (IDS), website analysis, banking fraud
detection, and Industry 4.0—essentially permeating nearly every technology we use.
Keywords: machine learning; cybersecurity; computer security; intrusion detection; internet of
things
Recibido: 1 de noviembre 2025 | Aceptado: 4 de diciembre 2025 | Publicado: 5 de diciembre 2025
INTRODUCCIÓN
Cuando se habla del mundo de la ciberseguridad en la actualidad, se debe tener
claridad que ante el avance tecnológico y en la sociedad de la información en la que nos
encontramos, día a día salen noticias, cuestionamientos y demás situaciones ligadas a que tan
segura esta la información actualmente o que tan seguros estamos nosotros como ciudadanos
en esta sociedad que se encuentra hiper conectada.
Como punto fundamental de partida, en primera instancia, es importante hacer una
breve diferenciación entre el Machine Learning y la Inteligencia Artificial (IA), puesto que de
manera normal pueden ser considerado lo mismo. En resumidas cuentas, se podría diferenciar
de manera simple, donde el ML está centrado en sistemas que aprenden de los datos, mientras
DOI: https://doi.org/10.71112/4mvx1985
1627 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
que la IA permite que los sistemas realicen tareas de manera autónoma. (Forero & Bennasar,
2024)
Puntualmente hablando del machine learning, el “aprendizaje máquina” como podría ser
conceptualizado a crecido y es un tema de actualidad. La mayor parte de la población a
escuchado del alcance de los robots, maquinas inteligentes y todas estas tecnologías actuales,
sin embargo muy pocas personas se han puesto a analizar como esto podría afectarnos en la
actualidad, más allá del temor básico de la suplantación de los humanos en el ámbito laboral
por los robots, sino como esas tecnologías existentes, basada en el machine learning están
siendo utilizadas con fines lícitos e ilícitos y una gran parte de la población no se ha dado
cuenta que ya está utilizando estas tecnologías.
Ahora bien, acá es donde se plantea como el machine learning está siendo utilizado en
el ámbito propio de la ciberseguridad, como eras herramientas, algoritmos y demás tecnologías
son utilizadas tanto para proteger los datos, para analizarlos así como para facilitar ciertas
labores que los seres humanos tendríamos que dedicar muchos tiempo para hacerlo, pero más
allá de esos fines lícitos, estas tecnologías también son utilizadas para realizar diversos tipos
de ataques, fraudes cibernéticos y demás actividades ilícitas, y todos y cada uno de nosotros
estas a expensas.
Es por ello por lo que se plantea evidenciar, como está siendo utilizado el machine
learning para proteger, prevenir y brindar soluciones eficientes en el ámbito de la
ciberseguridad.
METODOLOGÍA
Antecedentes:
En la actualidad la protección de la información en las organizaciones es fundamental,
pues ésta representa un activo de alto valor para las empresas que requiere de una atención
DOI: https://doi.org/10.71112/4mvx1985
1628 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
especial para garantizar la disponibilidad, confidencialidad e integridad de esta. El machine
learning tiene más de 25 años en la industria, a pesar de tratarse de trayectoria relativamente
extensa, su aplicabilidad a la seguridad es nueva y se encuentra en auge.
Según (Gómez et al., 2014) la revisión manual sigue siendo la metodología más
confiable para hacer pruebas de seguridad, sin embargo, la tecnología de machine learning
hace un aporte a los hackers éticos en el proceso de revisión, mostrándole archivos
interesantes para que les den prioridad. Las herramientas automáticas y la tecnología no están
para reemplazar el trabajo de estos hackers éticos, sino para complementarlos y ayudarlos.
Existen diversos estudios qué indican la aplicabilidad del machine learning en la
seguridad, de los cuales exponen que el propósito del machine learning es el desarrollo de
programas informáticos que tengan la capacidad de desplegar funciones inteligentes, similares
a las del cerebro humano. También expresan la utilización del machine learning en casas de
campañas para atribuir el ataque. Además, se verifica si un conjunto de los ataques recibidos
coincide con otros en común y la coordinación de la prevención sea más breve y eficaz. (Vilone
& Longo, 2021)
En síntesis, a pesar de que el machine learning aplicado a la seguridad es una
necesidad, los trabajos realizados sobre esta temática apuntan que a pesar de que es evidente
la necesidad y que ya existen las herramientas, estas prácticas no están siendo utilizadas,
porque las empresas desconocen como adquirir o utilizarlas para un bien organizacional. Esto
evidencia que el desconocimiento de como emplear estos recursos es igual o mayor la
afectación a lo que puede provocar un ataque de seguridad.
Esta investigación utiliza el estudio bibliográfico documental como base, éste puede ser
aplicada a cualquier tema de investigación para determinar la relevancia e importancia de este
y asegurar la originalidad de una investigación. Además, permite que otros investigadores
DOI: https://doi.org/10.71112/4mvx1985
1629 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
consulten las fuentes bibliográficas citadas, pudiendo entender y quizá continuar el trabajo
realizado.(Gómez et al., 2014)
Se revisaron recursos digitales que provee la Universidad de Costa Rica con sus
respectivas fuentes bibliográficas con el fin de identificar las principales iniciativas del machine
learning en el área de la seguridad. Las librerías digitales seleccionadas fueron:
• EBSCOhost: AcademicSearch Ultimate
• Access Engineering
• ProquestOneAcademic
• JSTOR AAF Art &Sciences X
• Springer eBooks: Informatica
El uso de estas bases brindó la posibilidad de tener contextos sobre diferentes
investigaciones previas en el área propia de la investigación lo cual es fundamental en un
estudio.
RESULTADOS
A continuación, se detallan los resultados obtenidos dentro de las búsquedas en los
recursos digitales que provee la Universidad a fin de identificar las principales iniciativas del
machine learning en el área de la seguridad.
Entre las palabras claves que se utilizaron para obtener los criterios de búsquedas
fueron machine learning en la ciberseguridad, Inteligencia artificial, Deep learning,
Ciberseguridad, Boosting Machine, Deep Neuronal Network, machine learning in cybersecurity.
Dichos resultados en estas librerías mencionadas ya antes, se logra obtener con gran valía 20
documentos, de los cuales tienen fecha de publicación comprendidas entre los años 2017 y
2024.
DOI: https://doi.org/10.71112/4mvx1985
1630 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
Partiendo de los resultados de estas búsquedas de nuestro interés, 10 documentos
fueron publicados en el idioma de inglés. El restante (15) en español.
De estos 10 escritos en ingles 5 fueron artículos de investigación, 5 entradas de diario
(Journal) y un artículo de tipo editorial en el que se detallan los avances recientes del machine
learning en el área de la ciberseguridad.
Cabe destacar que los centros de investigación de estos documentos en inglés
pertenecen a Department OF Intelligent Mechatronics Engineering, Sejong University, Seoul,
05006, Korea, así mismo a Enginyeria Informatica, Escola D’enginyeria (Ee), Universitat Aut `
Onoma De Barcelona.
Las entradas de diario son parte de www.journals.elsevier.com, Fundación I+D DEL
Software Libre (Fidesol), Granada (Spain) como también de un sitio alemán llamado Springer-
Verlag Gmbh Germany, PART OF Springer Nature. Como también el editorial le pertenece al
sitio www.wiley.com.
De los restantes 15 artículos en idioma español, a diferencia de los documentos en
inglés, no hay entradas de diario, más si 5 editoriales. Uno para el sitio mexicano
www.nexos.com.mx, otro para el observatorio de la ciberseguridad en América latina y el
caribe, observatoriociberseguridad.org/ y por último que le pertenece a la Universidad ICESI -
Cali, Colombia
Siendo así el restante de escritos que pertenecen a investigaciones de universidades a
continuación detalladas:
• Pontificia Universidad Católica del Ecuador Sede Ambato, (Ecuador)
• Centro de Investigación en Matemáticas, Unidad Zacatecas, México
• Real Instituto Elcano - Madrid España
• Universitat Oberta de Catalunya
• Universidad Católica del Ecuador
DOI: https://doi.org/10.71112/4mvx1985
1631 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
• Universidad Industrial de Santander, Colombia.
Todos estos artículos se concentran sus publicaciones entre los años 2019-2020-2022-
2023-2024, en donde el año 2020 se concentra la mayoría de estos.
Sin incluir el editorial del observatorio de la ciberseguridad en América latina y el caribe,
el promedio de páginas de todos los restantes 19 documentos es de 25 hojas por artículo,
obviando que son los documentos de investigación quienes se llevan el rubro más grueso de
documentación debido a sus alcances. El editorial por sí solo consta de 204 páginas.
Se identificaron 49 autores en todos los escritos de estos una entrada de diario en
ingles llamada Intelligent Detection and Recovery from cyberattacks cuenta con 7 autores luego
dos investigaciones, una del año 2018 y otra del año 2020 con 5 autores, consecuente a eso
los documentos cuentan con 2 o un autor.
DISCUSIÓN
Los documentos investigados, tiene como eje principal el uso del machine learning y su
aplicación en el ámbito de la ciberseguridad, aplicada en diferentes ámbitos e industrias, de los
cuales serán considerados a continuación:
El creciente auge de tecnologías relacionadas con el Internet de las Cosas, IoT, ha
permitido que la ciberseguridad sea uno de los principales factores a analizar, donde han
creado sistemas de modelado para detección de ataque cibernéticos basado en sensores
inalámbricos más comunes y utilizados en el IoT. (Haider et al., 2020).
Además, el machine learning es utilizado en sistemas de detección de intrusiones,
conocido como “Intrusion Detection Systems (IDS)”. Se puede identificar uno de los más
importantes usos del machine learning en la actualidad. Estos sirven como defensas de
ciberseguridad el cual, mediante el aprendizaje automático, aporta protección en sistemas de
control industriales. (Anthi et al., 2021).
DOI: https://doi.org/10.71112/4mvx1985
1632 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
Asimismo, se logró identificar que empresas dedicadas a brindar soluciones de
aplicativos antivirus han notado que se los ataques conocidos como phishing; (dichos ataques
utilizan él envió de correo electrónicos que parecen fuentes de confianza como bancos,
compañías y demás, pero en realidad son correos manipulados para solicitar información
confidenciar al receptor). Ante este tipo de ataques, se han utilizado técnicas de machine
learning para la detección de sitios web, redes sociales y correos electrónicos fraudulentos.
(Dueñas, 2020).
Otra área indagada es en la cual usan algoritmos de machine learning para detección
de malware en dispositivos con sistema operativo de dispositivos móviles como lo es Android.
Es importante recordar que el malware es un programa informático el cual puede tener algún
código malicioso el cual podría poner en riesgo los datos de aplicativos, así como de los
dueños de los dispositivos. (Navarro et al., 2018).
También se evidencia que el machine learning es propuesto para ser utilizado con la
finalidad de evitar ataques en sitios gubernamentales, debido a que en la actualidad es muy
común que existan ataque dirigidos a hacer robo de información así como para hacer que los
sitios simplemente dejen de funcionar, para ello se promueve el uso de Machine learning para
hacer identificación de archivos llamados “LOGS” en los de accesos en los diferentes
servidores web de cada una las entidades gubernamentales. (Pérez et al., 2020).
Una de las áreas también analizadas es el uso de fuentes abiertas, las cuales son una
rama de la ciber inteligencia, la cual sirve para obtener y analizar información de posibles
problemas y ayudará a apoyar la evaluación de riesgos con la finalidad de prevenir afectación
con datos críticos. Está ambientado en Colombia en donde hacen recolección de datos e
información usando fuentes abiertas, y donde hacen uso de herramientas de machine learning
en el apoyo y protección de los datos. (Pinto et al., 2018).
DOI: https://doi.org/10.71112/4mvx1985
1633 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
Con el creciente uso de las tecnologías de información y comunicación, muchos ámbitos
de la sociedad han cambiado, incluyendo los negocios, y en la actualidad existen gran cantidad
em pequeñas y medianas empresas PYMES las cuales han ingresado a usar las TICs como
nicho para poder seguir adelante con sus negocios. Pues existen iniciativas en las cuales
mediante algoritmos y machine learning buscan optimizar y detectar a tiempo ataques, y no
solo eso, sino que estas mismas herramientas previenen y ayudan a recuperarse los ataques,
generando una seguridad proactiva. (Lopez et al., 2020).
Se pudo identificar también, que, en los artículos analizados, se usa también el machine
learning en el ámbito bancario, donde algoritmos se encargan de analizar las amenazas a
través de patrones los cuales pueden identificar cuando se pueda estar realizando un fraude
con tarjetas bancarias. Evidenciando como de manera automatizada se pueden dar
seguimiento a procesos y a partir de eso, mejorar la seguridad en un ámbito en el cual el factor
económico es fundamental. Acá también se hace uso de sistemas de detección de intrusos.
(Fernández, 2019).
Se evidencia también que la aparición de sistemas de autenticación de usuarios basada
en biometría, es cada vez más utilizada, donde los algoritmos machine learning (ML) son
vulnerables a los ataques tanto en las fases de entrenamiento como en las de prueba, lo que
generalmente conduce a el rendimiento disminuye y las brechas de seguridad, por ende se le
da gran énfasis a la creación de nuevos mecanismos y algoritmos que ayuden a generar mayor
seguridad en diferentes dispositivos, desde los personales hasta los empresariales,
considerando la gran cantidad de datos existentes y que se expone constantemente en
internet. (Dasgupta et al., 2020).
Otro factor interesante identificado en la investigación es que el machine learning, está
siendo usado en muchas áreas e industrias, como ya ha sido mencionado, sin embargo, en la
actualidad el clustering ha tenido un gran auge. Se entiende por clustering la utilización de
DOI: https://doi.org/10.71112/4mvx1985
1634 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
múltiples equipos de cómputos físicos, los cuales, mediante aplicativos de software y
configuraciones, permiten que todos esos equipos o computadoras trabajen como si fueran
“una sola” esto gracias a la virtualización. Entonces acá el ML, permite hacer una consideración
de muchos modernos y factores para identificar la cantidad de procesamiento de los equipos y
en algoritmos de seguridad en los estos.(Martínez et al., 2019).
Otro ámbito analizado es el que el machine learning se ha convertido en una
herramienta bastante poderosa y utilizada por parte de los investigadores y desarrolladores de
software, siendo de gran utilidad y brindando seguridad informática. Una de esas herramientas
analizadas fue la denominada “THE GAN ZOO” que es una herramienta Open Source, con una
gran comunidad que da soporte, siendo esta una herramienta que permite realizar gran
cantidad de test de seguridad y penetración en sistemas. Esto hace que el uso del machine
learning ahorre dicho tiempo a los desarrolladores en las tareas antes citadas. (Flores, 2020).
Se puede también analizar dentro de los usos del ML que es aplicable en múltiples
áreas, y se logró identificar en la documentación investigada como está siendo usado en la
prevención de procesos de infraestructura. Cuando se habla de infraestructura, se referencian
todos los equipos presentes en las empresas o las organizaciones desde equipos de cómputo,
así como dispositivos de redes y comunicaciones de datos, entre muchos otros. (Cando &
Medina, 2021)
Se evidencia qué, en la actualidad, la seguridad informática o ciber seguridad ha tenido
un gran auge o se ha logrado identificar que es importante prestarle atención a la seguridad de
los datos, de los equipos, de las aplicaciones, de los datos personales. Es acá donde se pude
ver reflejado que los métodos tradicionales de seguridad han cambiado y que es importante
poder crear, sistemas, aplicativos, algoritmos que se encarguen de monitorear entornos, que
tengan capacidad de análisis y de generar respuestas ante necesidades específicas, creando
así un surgimiento importante de métodos basados en machine learning. Donde se debe tener
DOI: https://doi.org/10.71112/4mvx1985
1635 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
un conocimiento de los ataques que han sucedido, de tal manera que no vuelvan a pasar y en
caso de que vuelvan a intentar atacar de esa manera, ya exista el precedente y se pueda
prevenir dichos ataques. (Martínez et al., 2019).
Como parte del análisis también se logró identificar, que hay múltiples iniciativas donde
diferentes autores han desarrollado algoritmos de ML para ayudar en el ámbito educativo,
propiamente a los educadores, esto mediando técnicas inteligentes que se aplican en el
análisis de cantidades grandes de datos, propiciando un apoyo para combatir aquellos
problemas dinámicos presentes en la educación. (Duzhin & Gustafsson, 2018).
Con la evolución de la industria, y propiamente en la actualidad donde la industria 4.0
toma auge y donde los procesos han sido automatizados, y donde muchos robots realizan
trabajos mecanizados y son supervisados por sistemas de inteligencia artificial, aplicativos de
software, es importante poder tener asegurados esos sistemas, de tal manera que no existan
intromisiones o ataques que puedan destruir algún proceso de manufactura. Es importante
recordar que grandes industrias como la automotriz, o la de logísticas de entrega de
mercancías, utilizan robots a cargo de realizar dichas labores y si no están seguras en
cualquier momento pueden tener grandes pérdidas. Por ende, el machine learning tiene un
valor importante en esta industria 4.0 donde se han tomado las precauciones del caso y ya se
usan sistemas automatizados basados en ML, para brindar protección a los sistemas y
servicios interconectados. (Rozo Florelva, 2020).
Otro de los factores considerados es el crecimiento o la popularidad del Internet de las
cosas (IoT), lo cual hace que las redes crezcan de manera exponencial dando como resultado
que las especificaciones, necesidades de conexión, varíen; es acá donde los datos que se
comparten en la red sean mayores y la capacidad de análisis de volúmenes de datos sean
considerables, para ello se entrenan modelos de ML que permitan aprender a desempeñar el
papel de defensa de los datos, a través de estrategias de defensas rápidas y sólidas, siendo
DOI: https://doi.org/10.71112/4mvx1985
1636 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
este otro campo en el cual el ML es empleado propiamente en la ciberseguridad. (Ramírez et
al., 2023).
CONCLUSIONES
El machine learning en la actualidad está siendo muy utilizado en diferentes ámbitos
como puedo ser evidenciado con anterioridad. Hay que analizarlo desde múltiples aristas,
desde los cuales se puede ver que la seguridad informática ha tenido muchos cambios, y
donde se ve que ha evolucionado a sistemas automatizados los cuales mediante algoritmos no
solo encuentran o dejan visibles ataques cibernéticos, sino que los sistemas están aprendiendo
con generando capacidades de prevención de esos incidentes, y no solo eso, sino que
permiten reponerse de muchos ataques que se llevan a cabo.
Una gran área en la cual el Machine Learning tiene un gran potencial, actualmente, es
en el creciente uso de mecanismos de IoT, donde miles de millones de dispositivos están
siendo conectados a la red y por ende las amenazas son más crecientes con más atacantes al
asecho.
Por eso el machine learning, juega un papel importante y donde está siendo utilizado en
detección de programas con intensiones maliciosa, y se crean sistemas de detección de
intromisiones, y donde los algoritmos usados están constantemente en aprendizaje.
Declaración de conflicto de interés
El autor declara no tener ningún conflicto de interés relacionado con esta investigación.
Declaración de contribución a la autoría
Raymond Alejandro Pérez Meza: conceptualización, curación de datos, análisis formal,
adquisición de fondos, investigación, metodología, administración del proyecto, recursos,
DOI: https://doi.org/10.71112/4mvx1985
1637 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
software, supervisión, validación, visualización, redacción del borrador original, revisión y
edición de la redacción.
Declaración de uso de inteligencia artificial
El autor no utilizó inteligencia artificial en ninguna parte del manuscrito.
REFERENCIAS
Anthi, E., Williams, L., Rhode, M., Burnap, P., & Wedgbury, A. (2021). Adversarial attacks on
machine learning cybersecurity defences in Industrial Control Systems. Journal of
Information Security and Applications, 58. https://doi.org/10.1016/j.jisa.2020.102717
Cando, M., & Medina, P. (2021). Prevención en ciberseguridad: enfocada a los procesos de
infraestructura tecnológica. 3C TIC: Cuadernos de Desarrollo Aplicados a Las TIC,
10(1), 17–41. https://doi.org/10.17993/3ctic.2021.101.17-41
Dasgupta, D., Akhtar, Z., & Sen, S. (2020). Machine learning in cybersecurity: a
comprehensive survey. Journal of Defense Modeling and Simulation.
https://doi.org/10.1177/1548512920951275
Dueñas, J. (2020). Aplicación de técnicas de machine learning a la ciberseguridad:
Aprendizaje supervisado para la detección de amenazas web mediante clasificación
basada en árboles de decisión. https://openaccess.uoc.edu/items/f49ea127-88ab-47b9-
96a4-53194b502e96#page=1
Duzhin, F., & Gustafsson, A. (2018). Machine learning-based app for self-evaluation of
teacher-specific instructional style and tools. Education Sciences, 8(1).
https://doi.org/10.3390/educsci8010007
Fernández, A. (2019). Machine Learning en Ciberseguridad.
https://openaccess.uoc.edu/server/api/core/bitstreams/957679da-ab99-4016-b962-
225e8823445f/content
DOI: https://doi.org/10.71112/4mvx1985
1638 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
Flores, C. (2020). Inteligencia Artificial, Machine Learning, Deep Learning aplicados a la
Ciberseguridad. https://ojs.umsa.bo/index.php/inf_fcpn_pgi/article/view/96
Forero, W., & Bennasar, F. (2024). Técnicas y aplicaciones del Machine Learning e
Inteligencia Artificial en educación: una revisión sistemática. RIED-Revista
Iberoamericana de Educacion a Distancia, 27(1), 209–253.
https://doi.org/10.5944/ried.27.1.37491
Gómez, E., Fernando, D., Aponte, G., & Betancourt, L. (2014). Literature review methodology
for scientific and information management, through its structuring and systematization
Metodología para la revisión bibliográfica y la gestión de información de temas
científicos, a través de su estructuración y sistematización. DYNA, 81(184), 158–163.
http://dyna.medellin.unal.edu.co/
Haider, A., Adnan, M., Rehman, A., Ur, M., & Seok Hyung. (2020). A real-time sequential deep
extreme learning machine cybersecurity intrusion detection system. Computers,
Materials and Continua, 66(2), 1785–1798. https://doi.org/10.32604/cmc.2020.013910
Lopez, M., Lombardo, J., López, M., Alba, C., Velasco, S., Braojos, M. A., & Fuentes-García,
M. (2020). Intelligent Detection and Recovery from Cyberattacks for Small and Medium-
Sized Enterprises. International Journal of Interactive Multimedia and Artificial
Intelligence, 6(3), 55. https://doi.org/10.9781/ijimai.2020.08.003
Martínez, J., Iglesias, C., & García, P. J. (2019). Review: machine learning techniques applied
to cybersecurity. International Journal of Machine Learning and Cybernetics, 10(10),
2823–2836. https://doi.org/10.1007/s13042-018-00906-1
Navarro, A., Urcuqui, C., García, M., & Osorio, J. L. (2018). Ciberseguridad: un enfoque desde
la ciencia de datos. Universidad Icesi. https://doi.org/10.18046/EUI/ee.4.2018
DOI: https://doi.org/10.71112/4mvx1985
1639 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
Pérez, M., Rial, G., Sotelo, R., & Gurméndez, M. (2020). Clasificador de logs de acceso para
detección de incidentes de ciberseguridad. Memoria Investigaciones En Ingeniería, 18.
https://doi.org/10.36561/ing.18.7
Pinto, R., Hernández, M., Pinzón, C., Díaz, D., & García, J. (2018). Open source intelligence
(OSINT) in a colombian context and sentiment analysis. Revista Vínculos, 15(2), 195–
214. https://doi.org/10.14483/2322939x.13504
Ramírez, D., Garcés, L., Doria, T., Franco, S., Valencia, A., Rodríguez, P., & Espinoza, J.
(2023). Tendencias investigativas en el uso de Machine Learning en la ciberseguridad.
Iberian Journal of Information Systems and Technologies.
https://www.proquest.com/openview/c9bf3f3b2192c011f0620adce0649ab3/1?pq-
origsite=gscholar&cbl=1006393
Rozo Florelva. (2020). Revisión de las tecnologías presentes en la industria 4.0. Revista UIS
Ingenierías, 19(2), 177–191. https://doi.org/10.18273/revuin.v19n2-2020019
Vilone, G., & Longo, L. (2021). Classification of Explainable Artificial Intelligence Methods
through Their Output Formats. Machine Learning and Knowledge Extraction, 3(3), 615–
661. https://doi.org/10.3390/make3030032
