Varias capas de seguridad cibernética para garantizar la seguridad de los dispositivos de Internet de las Cosas (IoT, por sus siglas en inglés). Así es el sistema de detección de intrusiones basado en Inteligencia Artificial que ha diseñado y validado la tesis de Antonio Villafranca Albaladejo, realizada en el marco del Laboratorio de Ciberseguridad de la UPCT. 

La primera barrera de protección consta de varios modelos de redes neuronales profundas que determinan si el tráfico de red es normal o sospechoso. Posteriormente, un modelo avanzado de aprendizaje automático analiza con más detalle ese tráfico para clasificar los ataques y reducir las falsas alarmas. 

La investigación, dirigida por la profesora de la Escuela de Telecomunicación Lola Cano, prueba que el sistema tiene una alta capacidad de detección, mejora el rendimiento frente a modelos individuales y reduce de forma significativa los falsos positivos sin aumentar de manera relevante el tiempo de respuesta. 

"En un contexto de creciente digitalización y exposición a amenazas, los sistemas de detección de intrusiones son esenciales para que empresas y administraciones públicas protejan sus activos y garanticen la continuidad de sus operaciones, por lo que investigaciones como la desarrollada en esta tesis resultan clave para impulsar soluciones de ciberseguridad más eficaces y adaptadas a las necesidades reales¿, añade Cano, responsable del Laboratorio de I+D+i en Ciberseguridad, Privacidad y Comunicaciones Seguras (TRUST Lab), financiado por el Plan de Recuperación, Transformación y Resiliencia de la Unión Europea NextGeneration-EU, a través del INCIBE.