Redes informáticas con inteligencia artificial para la protección de ciberataques: una revisión sistemática de la literatura
DOI:
https://doi.org/10.55873/rad.v4i2.373Palabras clave:
aprendizaje automático, ciberseguridad educativa, detección de intrusiones, redes neuronales, vulnerabilidades tecnológicasResumen
En el contexto del aumento de ciberataques y la vulnerabilidad de las redes informáticas educativas, este estudio realizó una revisión sistemática para evaluar la efectividad de la inteligencia artificial (IA) frente a métodos tradicionales de protección. Siguiendo las directrices PRISMA, se analizaron 17 estudios publicados entre 2020 y 2024 en bases de datos como IEEE Xplore y Scopus, priorizando investigaciones enfocadas en redes educativas. Los hallazgos mostraron que la IA alcanzó una precisión promedio del 89% en la detección de amenazas, superando el 72% de los métodos convencionales, con especial eficacia frente a ataques emergentes. No obstante, se identificaron barreras relevantes como los elevados costos de implementación (en promedio USD 28 mil en hardware), la escasez de personal especializado y la heterogeneidad de las infraestructuras educativas. El estudio concluye que modelos colaborativos, herramientas low-code y enfoques híbridos son claves para facilitar la adopción de la IA en contextos con recursos limitados y ampliar su aplicación en escenarios diversos.
Descargas
Citas
Abdi, A. H., et al. (2024). Security control and data planes of SDN: A comprehensive review of traditional, AI, and MTD approaches to security solutions. IEEE Access, 12, 69941–69980. https://doi.org/10.1109/ACCESS.2024.3393548
Ali, O., Murray, P. A., Momin, M., Dwivedi, Y. K., & Malik, T. (2024). The effects of artificial intelligence applications in educational settings: Challenges and strategies. Technological Forecasting and Social Change, 199, 123076. https://doi.org/10.1016/j.techfore.2023.123076
Bin Hafiz, M. F., Khan, N. A., Kamal, Z., Hossain, S., & Barman, S. (2024). A robust malware classification approach leveraging explainable AI. 2024 International Conference on Intelligent Systems for Cybersecurity (ISCS), 1–6. https://doi.org/10.1109/ISCS61804.2024.10581382
El Abdellaoui Alaoui, E. A., Filali, A., Sallah, A., Hajhouj, M., Hessane, A., & Merras, M. (2024). Towards transparent cybersecurity: The role of explainable AI in mitigating spam threats. Procedia Computer Science, 236, 394–401. https://doi.org/10.1016/j.procs.2024.05.046
EBSCO-Metadata-2024-10-02 (6). (2024). [Dataset].
EBSCO-Metadata-2024-10-02 (8). (2024). [Dataset].
EBSCO-Metadata-2024-10-02 (9). (2024). [Dataset].
Guru Rao, C. V., Mohammad Ali Chisty, N., Mishra, S. K., Sathe, M., Rizvi, S., & Soni, M. (2024). Innovations, difficulties, and approaches for next-generation cybersecurity: Protecting the digital future. 2024 International Conference on Trends in Quantum Computing and Emerging Business Technologies, 1–6. https://doi.org/10.1109/TQCEBT59414.2024.10545178
Huang, P., Bu, X., Lin, G., Xu, Q., & Xiao, C. (2024). Simulation of coupling characteristics of motion and heat transfer between airflow and ice crystals in a single-stage compressor. Propulsion and Power Research. https://doi.org/10.1016/j.jppr.2024.04.003
Ilić, M. P., Păun, D., Šević, N. P., Hadžić, A., & Jianu, A. (2021). Needs and performance analysis for changes in higher education and implementation of artificial intelligence, machine learning, and extended reality. Education Sciences, 11(10). https://doi.org/10.3390/educsci11100568
Islam, M. T., Syfullah, M. K., Islam, J., Quadir, H. M. S., Rashed, M. G., & Das, D. (2023). Exploring the potential: ML vs. DL in network security with explainable AI (XAI) insights. 2023 26th International Conference on Computer and Information Technology (ICCIT), 1–6. https://doi.org/10.1109/ICCIT60459.2023.10441363
Lei, K., Ye, H., Liang, Y., Xiao, J., & Chen, P. (2021). Towards a translation-based method for dynamic heterogeneous network embedding. ICC 2021 - IEEE International Conference on Communications, 1–6. https://doi.org/10.1109/ICC42927.2021.9500303
Martínez-Comesaña, M., Rigueira-Díaz, X., Larrañaga-Janeiro, A., Martínez-Torres, J., Ocarranza-Prado, I., & Kreibel, D. (2023). Impact of artificial intelligence on assessment methods in primary and secondary education: Systematic literature review. Revista de Psicodidáctica (English ed.), 28(2), 93–103. https://doi.org/10.1016/j.psicoe.2023.06.002
Qiao, Z., Liu, B., Tian, B., & Liu, Y. (2021). Heterogeneous network embedding with enhanced event awareness via triplet network. 2021 International Conference on Networking and Network Applications (NaNA), 231–235. https://doi.org/10.1109/NaNA53684.2021.00047
Safaei Pour, M., Nader, C., Friday, K., & Bou-Harb, E. (2023). A comprehensive survey of recent internet measurement techniques for cyber security. Computers & Security. Elsevier Ltd. https://doi.org/10.1016/j.cose.2023.103123
Suresh Manic, K., Al-Bemani, A. S., Nizamudin, A. A., Balaji, G., & Amal, A. A. (2024). Optimizing academic journey for high schoolers in Oman: A machine learning-enabled AI model. Procedia Computer Science, 235, 2716–2729. https://doi.org/10.1016/j.procs.2024.04.256
Thakur, P., Goel, S., & Puthooran, E. (2024). Edge AI enabled IoT framework for secure smart home infrastructure. Procedia Computer Science, 235, 3369–3378. https://doi.org/10.1016/j.procs.2024.04.317
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Jhenrry Rivera-Moreto, Yngue Elizabeth Ramírez-Pezo
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
