LICENCIATURA EN GESTIÓN DE TECNOLOGÍA INFORMÁTICA

Permanent URI for this collection

https://repositorio.uai.edu.ar/handle/123456789/240

Browse

Browsing LICENCIATURA EN GESTIÓN DE TECNOLOGÍA INFORMÁTICA by Subject "aprendizaje automático"
  • Item
    Análisis de seguridad y ciberataques para entrenar sistemas autónomos en redes industriales
    ( 2025-12) Mas, Esteban Emilio
    La automatización y la inteligencia artificial han permitido a las fábricas y a las infraestructuras críticas optimizar su productividad y reducir costos. Sin embargo, esta revolución en el sector industrial también ha planteado un desafío significativo: las brechas de seguridad en las redes industriales. Estas vulnerabilidades son atractivas para los cibercriminales, con la expectativa de que los ataques contra fábricas y edificios inteligentes se intensifiquen y se vuelvan más peligrosos en los próximos años. Dado que el desafío de la ciberseguridad es considerable, pero las ventajas de la Industria 4.0 son mayores, es crucial aplicar una metodología que fortalezca las redes industriales sin comprometer la eficiencia de los nuevos procesos de fabricación. En este trabajo se presenta una metodología basada en buenas prácticas y en la implementación de honeypots. La investigación se centró en la implementación de un honeypot llamado CONPOT, que simula ser un equipo ICS/SCADA vulnerable y registra toda la actividad sobre él. El propósito de este enfoque fue comprender mejor las tácticas y procedimientos utilizados por los atacantes, así como identificar vulnerabilidades y errores en configuraciones. Para complementar esta estrategia, se desarrollaron tres aplicaciones Python: una para emular un sistema SCADA utilizando Scapy para escuchar tráfico TCP/IP y SNMP, otra para analizar datos capturados en tiempo real con Pandas para detectar actividades sospechosas, y una tercera para conectarse a la API de ELK, descargar registros, analizarlos y detectar patrones o anomalías. Estas aplicaciones permitieron enviar registros a ELK, detectar patrones y recomendar medidas preventivas. La investigación aporta una guía práctica para fortalecer la ciberseguridad en la Industria 4.0 sin comprometer la eficiencia operativa.
  • Item
    Asistente virtual con realidad aumentada para la banca mayorista del Banco Galicia
    ( 2021-5) Pin, Florencia Gisele
    La presente propuesta de intervención en el campo profesional tiene como objetivo plantear una solución tecnológica innovadora para la atención telefónica a clientes de banca mayorista del Banco Galicia. Para la formulación de este trabajo, se llevó a cabo un diagnóstico del proceso actual de atención al cliente con el fin de identificar falencias, irregularidades e ineficiencias de este. Se relevó el área de forma presencial y con la documentación pertinente a los procesos que se ejecutan en la misma. Luego, se realizó un análisis de la institución para entender los diferentes factores internos que pueden incidir en la propuesta a realizar. Pero no menos importante es el análisis de los factores externos que pudiesen condicionar a ésta. Una vez completado el análisis, se procedió a confeccionar una propuesta tecnológica con su respectivo plan de trabajo considerando las características de la organización y los requerimientos funcionales y no funcionales de la solución. La misma puede ser tomada por la institución para proceder con su ejecución
  • Item
    IA segura mediante IA TRiSM : reducción de ciberataques y brechas de seguridad
    ( 2023) Natale, Ariel Alejandro
    Resulta evidente el aumento de la influencia de la inteligencia artificial (IA) en nuestra vida cotidiana, tanto en el ámbito empresarial como en el personal. La seguridad en los modelos de IA se vuelve fundamental debido a la creciente amenaza de ciberataques que pueden afectar las tomas de decisiones. El objetivo principal de este estudio se centra en evaluar la efectividad de técnicas de defensa en los sistemas de IA para mitigar la amenaza de ciberataques. Para ello se examinó el marco de trabajo AI TRiSM: AI Trust, Risk, and Security Management, y como resultado de este trabajo se brinda una guía de buenas prácticas para su aplicación. En esta investigación se enfatizó la importancia de gestionar la confianza, el riesgo y la seguridad en la IA para abordar de manera proactiva cuestiones de gobernanza y cumplimiento. Además, se subraya la necesidad de brindar explicaciones claras sobre el funcionamiento de la IA y establecer controles de acceso para las herramientas de generación de IA. A través del análisis de casos de uso empresariales se pudo evidenciar que AI TRiSM ofrece una solución integral para abordar riesgos relacionados con la confidencialidad de los datos, mantener un monitoreo constante y protegerse contra ataques, promoviendo sistemas de IA confiables, equitativos y seguros en un entorno de regulaciones en constante evolución
  • Item
    Seguridad en redes sociales : prevención de ataques de ingeniería social
    ( 2025) Dileo, Daiana
    En la actualidad, los usuarios de plataformas digitales están cada vez más expuestos a ataques de ingeniería social, una modalidad de ciberdelito que ha aumentado en complejidad y alcance. Estas amenazas se potencian por la gran cantidad de información personal disponible en línea y por la manipulación de aspectos humanos como la confianza, la urgencia o la falta de conocimiento. Esta combinación de vulnerabilidades convierte a los usuarios en blancos frecuentes y difíciles de proteger mediante métodos tradicionales. El presente trabajo de investigación ha abordado la aplicación de métodos de inteligencia artificial, en particular del aprendizaje profundo, como herramienta para detectar patrones de comportamiento inusuales y prevenir estas amenazas en entornos digitales. Se realizó una revisión de los principales tipos de ataques, así como de los algoritmos más utilizados para la detección automatizada de anomalías, incluyendo redes neuronales convolucionales, recurrentes y autoencoders. Asimismo, se compararon estos enfoques con técnicas tradicionales de aprendizaje automático, con el objetivo de identificar sus ventajas y limitaciones en términos de adaptabilidad, precisión y capacidad de respuesta. La investigación aporta al campo de la ciberseguridad no solo una visión integral sobre el potencial del aprendizaje profundo, sino también propuestas orientadas a mejorar su eficacia a partir de la incorporación de la perspectiva del usuario, considerando sus conocimientos, percepciones y niveles de confianza frente a sistemas automatizados de protección.
  • Item
    Sistema de recomendación con inteligencia artificial para el desarrollo de carrera y la gestión del talento interno
    ( 2025-12) López, Damián Agustín
    El presente trabajo constituye una propuesta de intervención en el campo profesional, cuyo objetivo principal es mejorar los procesos de desarrollo de carrera y movilidad interna en grandes organizaciones mediante el diseño de un sistema inteligente basado en inteligencia artificial. En muchas empresas, los empleados encuentran obstáculos para visualizar oportunidades de crecimiento o transitar trayectorias profesionales alineadas a sus intereses y competencias. Esta situación afecta negativamente la motivación, la retención del talento y la planificación estratégica de recursos humanos. Frente a esta problemática, se plantea el diseño de un sistema basado en inteligencia artificial, concebido para analizar información clave como descripciones de puestos, currículums, evaluaciones de desempeño, habilidades declaradas y preferencias profesionales. Para ello, se emplearán técnicas de Procesamiento de Lenguaje Natural (PLN) que permitirán transformar datos textuales en representaciones comparables y útiles para la toma de decisiones. El núcleo de la solución es un módulo de recomendación semántica y prospectiva, alimentado por las representaciones obtenidas a partir del PLN, orientado a identificar oportunidades internas alineadas con el perfil de cada colaborador, señalar brechas de habilidades y proyectar trayectorias de desarrollo junto con capacitaciones relevantes. De esta manera, se ofrecen recomendaciones personalizadas que contemplan tanto la situación actual del empleado como la evolución de su carrera en el tiempo, considerando además sus intereses y metas profesionales declaradas. Durante el trabajo se presentan los módulos del sistema, las técnicas utilizadas, los flujos de información y los beneficios esperados, entre los que destacan una mayor retención del talento, el fortalecimiento del compromiso organizacional y la optimización del uso estratégico de los recursos humanos
  • Item
    Testing en big data y aprendizaje automático
    ( 2021-12) Granata, Nicolás Ezequiel
    La tecnología de big data y aprendizaje automático se ha convertido en uno de los temas de principal interés, no solo en el campo de la investigación sino también en las organizaciones, empresas de desarrollo de software y demanda del mundo moderno en general. Esto se debe a la posibilidad de obtener nuevos conocimientos mediante algoritmos complejos, a partir de grandes y diversos volúmenes de datos, los cuales continúan creciendo día a día. La implementación de los sistemas de big data y aprendizaje automático presentan un problema a la hora de realizar pruebas sobre estos, debido a la cantidad y diversidad de datos que se procesan y los resultados que se obtienen. Asimismo, estos tipos de sistemas son calificados dentro de los no testeables, teniendo en cuenta la no existencia de un oráculo específico que permita indicar si los resultados de los casos prueba son correctos. El presente trabajo tuvo como objetivo investigar las propuestas de pruebas en sistemas de big data y aprendizaje automático, mediante el análisis de las estrategias utilizadas por la comunidad en el área, haciendo especial foco en el acercamiento de pruebas metamórficas. Como aplicación práctica, se realizó un procedimiento de pruebas metamórficas en el cual se verificó el funcionamiento de un sistema de software que analiza, mediante reconocimiento automático, sentimientos de textos escritos en Twitter. Por otro lado, se realizó un segundo procedimiento donde se verificó el funcionamiento del motor de búsqueda de Google. A partir de la investigación realizada se concluyó que la generación de relaciones metamórficas, teniendo en cuenta el dominio del sistema, brindaron una solución posible al problema de la ejecución y verificación de pruebas
  • Item
    Técnicas de aprendizaje automático para la detección de spam
    ( 2023-7) Pisani, Nicolás Esteban
    El uso del correo electrónico es habitual en nuestras actividades profesionales, académicas o personales, pero no está exento de ser utilizado de forma malintencionada convirtiéndolo en uno de los principales vectores de infecciones, robo de información o publicidades no deseadas. Es necesario comprender la gravedad que estos ataques ocasionan, grandes pérdidas económicas y extorsiones se inician a través de este medio de comunicación. Los modelos de aprendizaje automático de inteligencia artificial se encuentran en auge para su identificación y categorización. Dichas técnicas, son empleadas para combatir al correo no deseado, pero no son infalibles y pueden seguir mejorándose. Es necesario continuar investigando en el área, para poder optimizar su rendimiento. En este sentido, el presente trabajo se enfocó en la puesta a prueba de seis algoritmos de clasificación para la detección de correo no deseado, buscando medir sus niveles de exactitud. Se construyó un conjunto inicial de datos, el cual fue sometido al proceso de aprendizaje. No fue fácil predecir su ejecución, para conocer el rendimiento de las distintas técnicas siempre fue necesario la puesta a prueba de estas. La investigación aporta resultados que servirán de referencia. Además, contiene en un único documento la comparación de las métricas entre sí. Los resultados muestran que los niveles de exactitud de los modelos son similares, el mejor rendimiento fue obtenido por Naive Bayes