Please use this identifier to cite or link to this item:
https://repository.unad.edu.co/handle/10596/81175Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.advisor | Peña Hidalgo, Hernando José | |
| dc.coverage.spatial | cead_-_josé_celestino_mutis | |
| dc.creator | Anaya Moreno, Javier Alexander | |
| dc.date.accessioned | 2026-05-22T20:13:41Z | - |
| dc.date.available | 2026-05-22T20:13:41Z | - |
| dc.date.created | 2026-05-20 | |
| dc.identifier.uri | https://repository.unad.edu.co/handle/10596/81175 | - |
| dc.description | Documentos con los siguientes nombres (Artículos seleccionados.xlsx, Matriz Revisión Bibliográfica.xlsx, dataset_malware.csv, Diseño de un Pipeline Predictivo.docx) | |
| dc.description.abstract | La Inteligencia Artificial (IA) se ha convertido en una aliada fundamental en la protección frente al malware, aportando nuevas formas de detectar, analizar y responder a las amenazas digitales con una rapidez y precisión sin precedentes. En un mundo donde los ciberdelincuentes desarrollan ataques cada vez más sofisticados y disponen de las mismas herramientas avanzadas que los equipos de seguridad, la IA representa una respuesta inteligente y adaptable. Hoy, las organizaciones emplean la IA para fortalecer sus sistemas de ciberseguridad, dándoles la capacidad de aprender, anticiparse y reaccionar en tiempo real. Gracias a técnicas como el Machine Learning y el Deep Learning, los sistemas pueden analizar enormes volúmenes de datos para descubrir patrones ocultos y comportamientos que delatan actividades sospechosas o maliciosas. El análisis de malware basado en IA combina métodos de aprendizaje supervisado donde los algoritmos se entrenan con ejemplos previamente clasificados como seguros o dañinos y no supervisado, que permite a los sistemas identificar anomalías sin instrucciones previas. Además, la IA automatiza tareas críticas como el aislamiento de equipos comprometidos o la ejecución inmediata de protocolos de corrección, lo que mejora considerablemente los tiempos de respuesta y reduce el impacto de los ataques. No obstante, esta misma tecnología supone nuevos retos. Los atacantes también emplean la IA para ocultar sus rastros, adaptar su comportamiento y evadir los controles de seguridad. Esta dualidad revela una verdad ineludible: el poder de la IA exige un compromiso constante con la innovación, la ética y la vigilancia. En este contexto, el presente estudio analiza el papel de la Inteligencia Artificial en la ciberseguridad como un paradigma emergente que está revolucionando la forma en que concebimos la defensa digital. Aunque aún se encuentra en evolución, la IA ya demuestra su enorme potencial para transformar las estrategias de protección, convirtiéndose no solo en una herramienta tecnológica, sino en el núcleo de una nueva era de seguridad proactiva y resiliente. | |
| dc.format | ||
| dc.title | Analisis de la aplicabilidad del Machine Learning para la Deteccion, Prevencion y Mitigacion de Malware en Organizaciones | |
| dc.type | Monografía | |
| dc.subject.keywords | Análisis | |
| dc.subject.keywords | Ransonware | |
| dc.subject.keywords | Malware | |
| dc.subject.keywords | Machine Learning | |
| dc.subject.keywords | Inteligencia Artificial | |
| dc.subject.keywords | Deep Learning | |
| dc.description.abstractenglish | Artificial Intelligence (AI) has become a fundamental ally in malware protection, providing new ways to detect, analyze, and respond to digital threats with unprecedented speed and precision. In a world where cybercriminals develop increasingly sophisticated attacks and have the same advanced tools as security teams, AI represents an intelligent and adaptable response. Today, organizations employ AI to strengthen their cybersecurity systems, giving them the ability to learn, anticipate, and react in real time. Thanks to techniques such as Machine Learning and Deep Learning, systems can analyze huge volumes of data to uncover hidden patterns and behaviors that reveal suspicious or malicious activity. AI-based malware analysis combines supervised learning methods, where algorithms are trained with examples previously classified as safe or harmful, and unsupervised learning, allowing systems to identify anomalies without prior instruction. Furthermore, AI automates critical tasks such as isolating compromised devices or immediately executing remediation protocols, significantly improving response times and reducing the impact of attacks. However, this same technology poses new challenges. Attackers also use AI to hide their tracks, adapt their behavior, and evade security controls. This duality reveals an inescapable truth: the power of AI demands a constant commitment to innovation, ethics, and vigilance. In this context, this study analyzes the role of Artificial Intelligence in cybersecurity as an emerging paradigm that is revolutionizing the way we think about digital defense. Although still evolving, AI already demonstrates its enormous potential to transform protection strategies, becoming not just a technological tool, but the core of a new era of proactive and resilient security. | |
| dc.subject.category | Ciberseguridad | |
| Appears in Collections: | Maestría en Ciberseguridad | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| Jaanayam.pdf | 2.01 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.