Inteligencia artificial para la ciberseguridad: deteccion de ransomware y evaluación de robustez adversarial

Abstract

En los últimos años, el ransomware se ha convertido en una de las amenazas más serias en el ámbito de la ciberseguridad, afectando tanto a grandes organizaciones como a pequeñas y medianas empresas o PyMEs. Estas últimas suelen ser especialmente vulnerables, ya que muchas veces carecen de los recursos técnicos y económicos necesarios para implementar soluciones avanzadas de defensa. Aunque existen herramientas antivirus comerciales con mecanismos de detección, su enfoque suele ser reactivo y poco adaptado a las necesidades específicas de las PyMEs. Además, no contemplan escenarios en los que los atacantes utilizan técnicas de evasión para engañar a los sistemas defensivos tradicionales, ni ofrecen respuestas contextualizadas que prioricen los activos críticos de cada organización. En este contexto, el presente trabajo propone una solución basada en Inteligencia Artificial para detectar tráfico malicioso asociado a ransomware. El modelo utiliza técnicas de Deep Learning reforzado por Adversarial Machine Learning, lo cual permite evaluar y aumentar su capacidad de detección frente a ataques diseñados para evadir los sistemas clásicos. A su vez, se emplea un enfoque de caja negra que simula ataques reales sin acceso al sistema interno, mejorando la robustez general de la herramienta