Análisis de herramientas de Inteligencia Artificial en la Detección de ciberamenazas en Tiempo Real en el sector educativo
DOI:
https://doi.org/10.61283/hyqney43Palabras clave:
Ciberseguridad, educación, IA, herramientas de seguridad, protección de datosResumen
En la actual propuesta se indaga acerca de la integración de herramientas de ciberseguridad basadas en inteligencia artificial (IA) en el contexto educativo. El objetivo planteado fue el de reconocer las tecnologías más efectivas para la protección de la información sensible en instituciones educativas. Para el desarrollo, se empleó una metodología cualitativa, con la que hizo la exploración exhaustiva de literatura relacionada con las tendencias y herramientas clave, posteriormente se realizó un análisis comparativo de estas herramientas en función de su eficacia, su adaptabilidad y la facilidad de implementación.
Los resultados obtenidos, evidenciaron que la IA tiene el potencial de detectar y dar una rápida respuesta a las posibles amenazas, lo que permite optimizar la gestión de la seguridad informática por medio de procesos de automatización de tareas, a la vez que promueve una mayor cultura de seguridad entre estudiantes y empleados. Se concluyó que el apropiamiento de las tecnologías evaluadas ayuda a fortalecer la seguridad informática, a la vez que mejora la gestión de recursos, promoviendo un entorno educativo seguro y resiliente.
Descargas
Referencias
Alhogail, A., & Alsabih, M. (2021). Using NLP for cyber threat detection and analysis in social engineering attacks. Journal of Cybersecurity and Privacy, 3(2), 99-114. https://doi.org/10.3390/jcp3020006
Anchala Sanez, Mauricio Rodolfo (2024) Propuesta de gestión de incidentes de seguridad, mediante la integración de inteligencia de amenazas para la contención de ataques informáticos. Maestría en Seguridad Informática, Quito: Universidad Israel 2024, 50p. Mg. Toasa Guachi Renato Mauricio Ph.D. Urdaneta Herrera Maryory, UISRAEL-EC-MASTER-SEG-INF-ART- 378.242-2024-002 http://repositorio.uisrael.edu.ec/handle/47000/4184
Arazzi, E., Gao, J., & Xu, S. (2023). Recent advancements in machine learning for cybercrime prediction. arXiv preprint arXiv:2304.04819. https://arxiv.org/abs/2304.04819
Arango, O. D. (2022). Detección de amenazas informáticas de tipo Malware Bancario o Ransomware Móvil hacia dispositivos Android, integrando IOC en una técnica semiautomatizada y con base en comportamientos analizados de incidentes.. Recuperado de: http://hdl.handle.net/20.500.12622/5700.
Arfeen, Muhammad & Ahmed, Saad & Khan, Muhammad & Jafri, Syed. (2021). Endpoint Detection & Response: A Malware Identification Solution. 1-8. 10.1109/ICCWS53234.2021.9703010
Basheer, R., Ali, F., & Jones, R. (2021). AI and NLP for phishing email detection: Approaches and challenges. Computers & Security, 103, 102155. https://doi.org/10.1016/j.cose.2021.102155
Castro Maldonado, John. (2022). Análisis de riesgos y vulnerabilidades de seguridad informática aplicando técnicas de inteligencia artificial orientado a instituciones de educación superior. 1. 151. https://www.researchgate.net/publication/359379099_analisis_de_riesgos_y_vulnerabilidades_de_seguridad_informatica_aplicando_tecnicas_de_inteligencia_artificial_orientadoa_instituciones_de_educacion_superior
Cisco. (2021). Cisco SecureX: Data Sheet. Cisco Systems, Inc. https://www.cisco.com/c/en/us/products/collateral/security/securex/secure-x-datasheet.pdf
CrowdStrike - Nexsys Colombia. (n.d.). Nexsys Colombia. https://www.nexsysla.com/co/fabricantes-nexsys/crowdstrike/
García V, et al (2020). La inteligencia artificial en la educación. https://dialnet.unirioja.es/servlet/articulo?codigo=8231632
G Karantzas, C Patsakis - Journal of Cybersecurity and Privacy, 2021 - mdpi.com. An empirical assessment of endpoint detection and response systems against advanced persistent threats
IBRAHIM, A. (2022). Breaking Barriers: How AI and ML are Redefining Cybersecurity Defense. https://www.researchgate.net/profile/Ibra-Him-5/publication/380152244_Breaking_Barriers_How_AI_and_ML_are_Redefining_Cybersecurity_Defense_AUTHORSIBRAHIM_A/links/662d7d3108aa54017ac8933c/Breaking-Barriers-How-AI-and-ML-are-Redefining-Cybersecurity-Defense-AUTHORSIBRAHIM-A.pdf
IBRAHIM, A. (2022). Guardians of the Virtual Gates: Unleashing AI for Next-Gen Threat Detection in Cybersecurity. https://www.researchgate.net/profile/Ibra-Him-5/publication/380152167_Guardians_of_the_Virtual_Gates_Unleashing_AI_for_Next-Gen_Threat_Detection_in_Cybersecurity/links/662d7f257091b94e93e01a9f/Guardians-of-the-Virtual-Gates-Unleashing-AI-for-Next-Gen-Threat-Detection-in-Cybersecurity.pdf
Martín Martín, M. L. (2024). Inteligencia Artificial: Un estudio de su impacto en Ciberseguridad. https://openaccess.uoc.edu/handle/10609/150519
Nolasco-Mamani, M. A., Vidaurre, S. M. E., & Choque-Salcedo, R. E. (2022). Innovación y Transformación Digital en la Empresa. ACVENISPROH Académico. https://acvenisproh.com/libros/index.php/Libros_categoria_Academico/article/view/49
Nurmi, T. (2021). Network detection and reaction: case study: proof of concept for Vectra implementation. https://www.theseus.fi/handle/10024/511234
Quinn, J., Mceachen, J., Fullan, M., Gardner, M., & Grummy, M. (2021). Sumergirse en el aprendizaje profundo herramientas atractivas. Safekat. https://edmorata.es/wp-content/uploads/2021/04/FULLAN.-Sumergirse-en-el-Aprendizaje-Profundo_prw.pdf
Toquiantzi, S. J. (2022). Facultad de ingeniería (Doctoral dissertation, Benemérita Universidad de Puebla). https://repositorioinstitucional.buap.mx/server/api/core/bitstreams/e8369c4e-25d9-4d83-9f5c-966c45e890de/content
Vikhyath, K. B., Kubsad, S. S., & Sunidhi, A. G. (2022, December). Survey on Data Security with Intersection of AI and Blockchain. In 2022 Fourth International Conference on Cognitive Computing and Information Processing (CCIP) (pp. 1-7). IEEE. https://ieeexplore.ieee.org/abstract/document/10058639
Yaseen, A. (2023). AI-DRIVEN THREAT DETECTION AND RESPONSE: A PARADIGM SHIFT IN CYBERSECURITY. International Journal of Information and Cybersecurity, 7(12), 25–43. Retrieved from https://publications.dlpress.org/index.php/ijic/article/view/73
Yin, C., Han, J., & Wu, S. (2021). Sentiment analysis and NLP applications in cybersecurity. IEEE Access, 9, 108550-108565. https://doi.org/10.1109/ACCESS.2021.3092902
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2024 Gustavo Enrique Tabares Parra, Camilo Augusto Cardona Patiño, Claudia Patricia Ramírez Triana, Helber Leandro Baez Rodríguez (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Política de acceso abierto
Se permite el acceso libre y abierto de cualquier interesado a todos los contenidos de los números de la revista, sin costo alguno, pudiendo imprimir y trasladar todos los artículos, con la única condición de precisar la fuente y la autoría.
La revista: a) no cobra a las autorías costes por el procesamiento de los artículos ni por el envío de los mismos, b) mantiene el copyright para los autores sin restricciones, c) facilita a los autores conservar sus derechos de publicación sin limitaciones.
La Revista Internacional de Investigación y Transferencia en Comunicación y Ciencias Sociales (INTRACOM) es una obra original gestionada por Activa 19 Comunicaciones. Todos los artículos incluidos en la Revista son obra original de sus respectivas autorías. Esta Revista se ofrece libremente a la comunidad científica y académica sin coste alguno y libera los contenidos de acuerdo a la licencia "Reconocimiento-NoComercial-CompartirIgual 4.0 CC BY-NC-SA" del proyecto Creative Commons dispuesta en la siguiente url: https://creativecommons.org/licenses/by-nc-sa/4.0/legalcode
