Sistema de detección de intrusos con machine learning para detección de ataques en redes del sector industrial, Lima - 2025

• Autores: Calderon Ari, Rodrigo, Naira Chinchay, Dalila
• Fecha de Publicación: 2025
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/183294
• Enlace del recurso: https://hdl.handle.net/20.500.12692/183294
• Nivel de acceso: acceso embargado
• Materia: Sistemas de clasificación; Inteligencia artificia; Red informática; Algoritmo.; https://purl.org/pe-repo/ocde/ford#2.02.04

La investigación tuvo como objetivo principal determinar de qué manera la implementación de un sistema de detección de intrusos con machine learning mejoró la detección de ataques en el sector industrial. El estudio se desarrolló en empresas de refrigeración industrial, que presentaban vulnerabilidades en su infraestructura tecnológica y ausencia de mecanismos eficaces de ciberseguridad; fue alineada con el objetivo de desarrollo sostenible número doce, sobre la producción y consumo responsable. Fue un estudio de tipo aplicada, con un enfoque cuantitativo y diseño experimental, preexperimental, evaluando la eficacia del sistema mediante métricas de rendimiento como exactitud, precisión recuperación y F1-score. La población estuvo conformada por 20 000 paquetes de red agrupados por categoría analizado en su totalidad. Para el entrenamiento y desarrollo se utilizaron herramientas de código abierto, junto con algoritmos de aprendizaje supervisado. Los resultados evidenciaron una mejora significativa: en el pretest se evidenció valores de 0 debido a la ausencia de una herramienta de detección y en la evaluación del postest se obtuvo valores de 0.9970 a 1,000 con la implementación del IDS. Finalmente, el sistema IDS con machine learning fortaleció la seguridad de la red optimizando la detección de intrusiones y promoviendo una infraestructura tecnológica más segura.