Resumen de Artículo de investigación (estilo de Rodríguez Ulloa )
Tema: IA en Ciberseguridad
El Propósito—El presente artículo analiza cómo la inteligencia artificial (IA) ha emergido como una herramienta innovadora en el ámbito de la ciberseguridad lo que permitió detectar intrusiones, analizar malware y anticipar riesgos mediante técnicas como el aprendizaje automático y el análisis de datos, sim embargo también se analiza la razón detrás de que a pesar de los avances, persisten limitaciones que dificultan su adopción efectiva en escenarios reales.
Diseño/Metodología/Enfoque—Este estudio se realizó mediante una cuidadosa revisión de los artículos científicos empleando la metodología PRISMA, lo que permitió identificar un total de 5 artículos clave sobre la IA aplicada a la ciberseguridad de un total de 55 posibles artículos de interés, poniendo interés en algoritmos de aprendizaje automático para la detección de intrusiones en redes. También se integraron los conceptos de Dinámica de Sistemas Suaves (SSDM), que fueron aplicados para comprender tanto los problemas técnicos (duras) como los contextuales y humanos (suaves) asociados con la implementación de IA en el campo de la ciberseguridad.
Originalidad/Valor—Se resalta las principales barreras que limitan la efectividad de la IA en la ciberseguridad, tales como la falta de datos adecuados y la incapacidad de los modelos para adaptarse a amenazas emergentes. A través de la integración de enfoques híbridos que combinan IA con métodos tradicionales de seguridad, se busca superar estas limitaciones, mejorando la fiabilidad de los sistemas. , además se menciona a la IA explicable (XAI) la cual se muestra como una herramienta que permitiría mejorar la compresión de los procesos de toma de decisiones que se encuentras automatizados en los sistemas de ciberseguridad.
Hallazgos—A lo largo del articulo se puede identificar que los sistemas de IA, especialmente aquellos basados en el aprendizaje automático dependen de grandes volúmenes de datos históricos, que no siempre se encuentran actualizados a las amenazas mas recientes lo que limita su efectividad en la practica. También se señala que, aunque estos sistemas funcionan bien en entornos controlados, su capacidad para adaptarse a las complejidades y variabilidad de las redes reales es limitada, por lo que se propone la combinación de IA con enfoques tradicionales de ciberseguridad, ya que ello permitiría mejorar significativamente la capacidad de detección y así obtener una respuesta más rápida y eficiente frente a amenazas emergentes.
Implicaciones de Investigación/Prácticas/Sociales/Ambientales—El artículo destaca la necesidad de avanzar en la integración de IA explicable (XAI) en la ciberseguridad, lo cual no solo mejora la claridad de este mismo, sino también aumentaría la confianza en estos sistemas, para ello la colaboración entre la investigación académica y las necesidades prácticas del sector es crucial para el desarrollo de modelos de IA más adaptativos y efectivos, de esta manera contribuyendo a fortalecer la ciberseguridad en redes reales, permitiendo una protección más robusta ante intrusiones y ciberataques complejos.
Limitaciones de la Investigación—A pesar de los avances en IA, aún persisten varios desafíos en su implementación en entornos reales, entre estos se incluyen la escasez de datos etiquetados, dificultad de adaptación a nuevas amenazas, la falta de herramientas para interpretar los resultados de la IA de manera comprensible y escasez de los recursos para la adquisición de estas herramientas. Además, se observa que la IA explicable (XAI) aún está en desarrollo y que la integración de esta capacidad en los modelos de ciberseguridad sigue siendo una tarea compleja.
Cita del Articulo:
Autor anónimo. (2025). Aplicación de la inteligencia artificial en la ciberseguridad. Recuperado de https://ia-en-ciberseguridad.blogspot.com
Referencias:
Kaur, R., Gabrijelčič, D., & Klobučar, T. (2023). Artificial intelligence for cybersecurity: Literature review and future research directions. Information Fusion, 97, 101804. https://www.sciencedirect.com/science/article/pii/S1566253523001136
Zhang, Y., Li, X., & Wang, J. (2023). Application of machine learning algorithms for intrusion detection in network security. Journal of Network Security, 15(2), 112-123. Retrieved from https://www.sciencedirect.com/science/article/pii/S2468047023000107
Salem, A. H., Azzam, S. M., Emam, O. E., & Abohany, A. A. (2024). Advancing cybersecurity: A comprehensive review of AI-driven detection techniques. Journal of Big Data, 11, Article 105. https://doi.org/10.1186/s40537-024-00957-y
Schmitt, M. (2022, October). Securing the digital world: Protecting smart infrastructures and digital industries with Artificial Intelligence (AI)-enabled malware and intrusion detection. https://arxiv.org/abs/2210.12345
Zhang, Z., Al Hamadi, H., Damiani, E., Yeun, C. Y., & Taher, F. (2022). Explainable artificial intelligence applications in cyber security: State-of-the-art in research. arXiv. https://arxiv.org/abs/2208.14937
