Algorithms based on artificial intelligence for the detection and prevention of social engineering attacks: Systematic review

• Autores: Atuncar Flores, Edgardo, Chuan Garcia, Anthony Francisco, Pachas Quispe, Gustavo Henry, Raez Martinez, Haymin Teresa
• Formato: objeto de conferencia
• Fecha de Publicación: 2024
• Institución: Universidad Tecnológica del Perú
• Repositorio: UTP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.utp.edu.pe:20.500.12867/14165
• Enlace del recurso: https://hdl.handle.net/20.500.12867/14165; https://doi.org/10.18687/LACCEI2024.1.1.1026
• Nivel de acceso: acceso abierto
• Materia: Inteligencia artificial; Algoritmos de detección; Phishing; https://purl.org/pe-repo/ocde/ford#2.02.04

En este estudio, se aborda el creciente desafío de la inseguridad informática mediante la revisión de algoritmos basados en Inteligencia Artificial (IA) destinados a la detección y prevención de ataques de Ingeniería Social. La investigación se centra en identificar algoritmos efectivos, con especial atención al phishing, un tipo de ataque ampliamente prevalente. Utilizando el esquema PICOC, se recopilaron inicialmente 891 artículos de SCOPUS, de los cuales, tras aplicar criterios rigurosos mediante la metodología Prisma, se seleccionaron 32 para un análisis detallado. Los resultados revelan que, entre los algoritmos estudiados, XGBoost, Random Forest (RF) y la combinación de FastText-CBOW con Random Forest destacan, exhibiendo tasas de aciertos superiores al 99% en la detección de ataques de ingeniería social. Este análisis respalda la eficacia de las herramientas basadas en IA en comparación con métodos tradicionales, especialmente en situaciones de ataques inmediatos o de 'Hora cero'. En conclusión, la IA emerge como una alternativa significativa para fortalecer la ciberseguridad y proteger contra amenazas cada vez más sofisticadas.