Work

Sistema de seguridad de red basado en el aprendizaje federado para detectar intrusiones en entornos médicos

Year: 2026
Type: article
Abstract: La ciberseguridad en entornos de salud, particularmente la protección de los dispositivos médicos conectados (DMC), presenta el desafío dual de mitigar el riesgo de intrusiones sin comprometer la privacidad del paciente. Esta investigación abordó dicha problemática mediante el desarrollo de un sistema de detección de intrusiones (IDS) basado en el aprendizaje federado. Se estableció una clasificación de amenazas jerárquica (Normal, Sospechosa y Ataque) tras analizar el tráfico de red del dataset “CICIDS2017”. El modelo Random Forest fue seleccionado como el algoritmo óptimo dentro de la arquitectura del aprendizaje federado, logrando una robustez de detección validada por métricas F1-Score y Recall. El sistema se implementó a través de un dashboard interactivo que permite la visualización y gestión en tiempo real del modelo federado. Finalmente, la usabilidad del sistema fue evaluada mediante el cuestionario SUS, alcanzando un puntaje promedio de 85.0, lo que lo clasifica con un nivel de usabilidad óptimo. Los resultados confirman que el sistema de seguridad de red basado en aprendizaje federado es una solución altamente precisa, eficiente y usable que aborda la necesidad de proteger los entornos médicos, garantizando la confidencialidad de los datos al entrenar los modelos localmente en los nodos de la red.
Language: Spanish
Open Access status: green
OpenAlex ID: W7199150777
FWCI:
Cites: 14
Cited by:
Related to: 10