Seguridad en redes sociales : prevención de ataques de ingeniería social

Abstract

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.