Elevando la resiliencia cibernética en universidades: ai para la detección proactiva de amenazas

Autores/as

DOI:

https://doi.org/10.63688/6ms8kq69

Palabras clave:

Inteligencia artificial, ciberseguridad, detección de intrusiones, educación superior, resiliencia cibernética

Resumen

Las instituciones de educación superior enfrentan crecientes desafíos en ciberseguridad debido al aumento de amenazas cibernéticas. En este contexto, la inteligencia artificial (IA) se ha convertido en una herramienta clave para la detección y prevención de intrusiones. Sin embargo, su implementación en entornos universitarios aún presenta diversas barreras. Este estudio tuvo como objetivo analizar la implementación de sistemas de IA para la detección de intrusiones y su impacto en la resiliencia cibernética de las universidades. Para ello, se realizaron encuestas a 200 estudiantes y entrevistas semiestructuradas a 10 docentes de la Escuela Superior Politécnica de Chimborazo (ESPOCH). Las encuestas evaluaron el nivel de conocimiento sobre ciberseguridad, la percepción sobre el uso de IA en la detección de amenazas y la factibilidad de su implementación. Las entrevistas exploraron desafíos, oportunidades y limitaciones en este proceso.Los resultados mostraron una percepción positiva sobre la integración de la IA en la ciberseguridad universitaria, con un alto nivel de aceptación tanto de estudiantes como de docentes. No obstante, se identificaron desafíos como la falta de infraestructura tecnológica, la necesidad de capacitación y las preocupaciones sobre la privacidad de los datos. A pesar de estas barreras, la mayoría de los participantes consideró factible su implementación a mediano plazo, siempre que se garantice inversión en recursos y formación especializada.

Referencias

Ala-Laurinaho, A., Kurki, A. L., & Abildgaard, J. S. (2017). Supporting Sensemaking to Promote a Systemic View of Organizational Change –Contributions from Activity Theory.Journal of Change Management,17(4), 367–387. https://doi.org/10.1080/14697017.2017.1309566

Cote,C,Kawalek,P.,Jackson,T.:Navegando por la incertidumbre con principios cibernéticos: una revisión del alcance de las estrategias de resiliencia interdisciplinarias para sistemas ferroviarios.IET Intell. Transp. Syst.18(Suppl.1),2814–2826(2024). https://doi.org/10.1049/itr2.12598

Diana Olivia, Khan, Z., & Shetty, S. (2025). Un enfoque de aprendizaje automático e inteligencia artificial explicable para la clasificación de fraudes en seguros.Inteligencia Artificial,28(75), 140–169. https://doi.org/10.4114/intartif.vol28iss75pp140-169

Ebady Manaa, M., Hussain, SM ., Suad A. Alasadi, & Hussein AA Al-Khamees. (2024). Detección de ataques DDoS basados en algoritmos de aprendizaje automático en entornos IoT.Inteligencia Artificial,27(74), https://dialnet.unirioja.es/servlet/articulo?codigo=9742869

Gohar Sargsyan (ed.), Dimitrios Kavallieros (ed.), Nicholas Kolokotronis (ed.) (2022), "Tecnologías y métodos de seguridad para la detección, mitigación e inteligencia avanzadas de amenazas cibernéticas", Boston-Delft: ahora publicado por la editorial, http://dx.doi.org/10.1561/9781680838350

Griffiths, D. (2019), "Resiliencia y transparencia en los sistemas sociales", Kybernetes , Vol. 48 No. 4, pp. 715-726. https://doi.org/10.1108/K-01-2018-0032

Heylighen, F., Beigi, S., & Busseniers, E. (2022). The role of self-maintaining resilient reaction networks in the origin and evolution of life. Biosystems, 219, 104720. https://doi.org/10.1016/j.biosystems.2022.104720

Jayavanth Shenoy, Patrick Grinaway, Shriphani Palakodety (2024), "Inteligencia artificial de alto rendimiento que preserva la privacidad", Boston-Delft: ahora publicado, http://dx.doi.org/10.1561/9781638283454

Kar-Han Tan y Boon Pang Lim (2018), "El renacimiento de la inteligencia artificial: aprendizaje profundo y el camino hacia la inteligencia artificial a nivel humano", APSIPA Transactions on Signal and Information Processing: Vol. 7: No. 1, e6. http://dx.doi.org/10.1017/ATSIP.2018.6

Lionel F. Gonzalez Casanova y Po-Chiang Lin (2023), "Detección de tráfico de red malicioso para DNS sobre HTTPS mediante algoritmos de aprendizaje automático", https://doi.org/10.1080/14697017.2017.1309566

Cote,C,Kawalek,P.,Jackson,T.:Navegando por la incertidumbre con principios cibernéticos: una revisión del alcance de las estrategias de resiliencia interdisciplinarias para sistemas ferroviarios.IET Intell. Transp. Syst.18(Suppl.1),2814–2826(2024). https://doi.org/10.1049/itr2.12598

Diana Olivia, Khan, Z., & Shetty, S. (2025). Un enfoque de aprendizaje automático e inteligencia artificial explicable para la clasificación de fraudes en seguros.Inteligencia Artificial,28(75), 140–169. https://doi.org/10.4114/intartif.vol28iss75pp140-169

Ebady Manaa, M., Hussain, SM ., Suad A. Alasadi, & Hussein AA Al-Khamees. (2024). Detección de ataques DDoS basados en algoritmos de aprendizaje automático en entornos IoT.Inteligencia Artificial,27(74),para inteligencia de amenazas deseguridad informática (Master's thesis, Quito, Ecuador: Universidad Tecnológica Israel). http://repositorio.uisrael.edu.ec/handle/47000/3955

López González, A., Moreno, M., Moreno Román, AC, HadfegFernández, Y., & Cepero Pérez, N. (2024). Ética en Inteligencia Artificial: una aproximación a la Ciberseguridad.Inteligencia Artificial,27(73), 38–54. https://doi.org/10.4114/intartif.vol27iss73pp38-54

Russell Belk (2019), "Máquinas e inteligencia artificial", Journal of Marketing Behavior: vol. 4: n.º 1, págs. 11-30. http://dx.doi.org/10.1561/107.00000058

Samaniego Campoverde, J. E. (2024). SEGURIDAD CIBERNÉTICA: AMENAZAS EMERGENTES Y ESTRATEGIAS DE DEFENSA. Revista SOCIENCYTEC, 3(1). https://doi.org/10.61396/s5hje696

Russell Belk (2019), "Máquinas e inteligencia artificial", Journal of Marketing Behavior: vol. 4: n.º 1, págs. 11-30. http://dx.doi.org/10.1561/107.00000058

Wei Cao, Qinan Wang, Asma Sbeih y FHA Shibly (2020). Marco de aprendizaje inteligente y eficiente basado en inteligencia artificial para plataformas educativas.Inteligencia Artificial,23(66), 112–123. https://doi.org/10.4114/intartif.vol23iss66pp112-123Z

Dallasheh, W., Khalil, A. E., & Masri, A. S. (2024). Personal resilience among novice teachers and teacher-interns in Arab society in Israel: demographic, socio-emotional and educational characteristics. International Journal of Inclusive Education, 1–27. https://doi.org/10.1080/13603116.2024.2303155

Descargas

Publicado

2024-10-09

Cómo citar

Vera Molina, R. M. (2024). Elevando la resiliencia cibernética en universidades: ai para la detección proactiva de amenazas. Journal of Multidisciplinary Novel Journeys & Explorations, 2(1), 1-19. https://doi.org/10.63688/6ms8kq69