B. Pérez Sánchez, C. Perea, M. González Espinosa, J. J. López-Espín
El phishing es una de las amenazas cibernéticas más comunes, con un aumento del 58% en ataques a nivel mundial en 2024 respecto al año anterior. Estos ataques emplean técnicas cada vez más sofisticadas para saltarse los sistemas de detección actuales. En la literatura podemos encontrar diversos enfoques para la detección de phishing, incluyendo modelos basados en árboles de decisión, redes neuronales profundas y técnicas híbridas. En este estudio, se propone un modelo que combina una red neuronal para la clasificación inicial con un meta-modelo diseñado para mejorar la clasificación de los casos dudosos. Este enfoque permite reducir la tasa de falsos negativos, aumentando la seguridad sin afectar significativamente la eficiencia del modelo. La evaluación en un conjunto de datos reales muestra mejores resultados en métricas como el recall y la precisión, sugiriendo que estos modelos pueden representar un avance significativo en la lucha contra este tipo de amenazas digitales.
Keywords: Phishing, ciberseguridad, redes neuronales, meta-modelo, inteligencia artificial
Scheduled
Data Analysis II
June 10, 2025 3:30 PM
Auditorio 2. Leandre Cristòfol