#ashtag

Identificación de ataques de Malware móvil en dispositivos Android mediante algoritmos de aprendizaje automático

Víctor Guzmán-Brand — 2025-06-29

El presente artículo tiene como objetivo dentificar ataques de Malware móvil en dispositivos Android mediante algoritmos de aprendizaje automático. La metodología empleada se basa en el proceso KDD (Knowledge Discovery in Databases), un enfoque estructurado que organiza la minería de datos en etapas claramente definidas. Este modelo garantiza un control preciso en cada fase, permitiendo una extracción, transformación y análisis de la información de manera eficiente. Como resultado se obtuvo que el algoritmo LightGBM demuestra, a través de la matriz de confusión, su capacidad para procesar eficientemente grandes volúmenes de datos y múltiples características, hecho que contribuye a una clasificación más precisa. Además, este modelo sobresale en las métricas de evaluación, logrando un rendimiento óptimo en comparación con otros enfoques de aprendizaje automático. Se abre la discución acerca del aprendizaje automático, clave en ciberseguridad para mejorar la detección de amenazas como malware y ataques DDoS. LightGBM se destaca por su eficiencia logrando la mejor precisión (94.4%), seguido por XGBoost con alto desempeño, pero mayor tiempo de cómputo. Random Forest, aunque más rápido, presenta menor precisión. En conclusión el aprendizaje automático ha revolucionado la ciberseguridad, fortaleciendo la detección de amenazas como malware e intrusiones. En la identificación de malware móvil en Android, LightGBM se destacó por su precisión y eficiencia en el manejo de datos desbalanceados, superando a otros modelos en métricas clave. Sin embargo, el desafío sigue siendo equilibrar precisión y consumo de recursos, especialmente en dispositivos móviles con hardware limitado.

Impacto e implementación de la Inteligencia Artificial en los procesos de Marketing en el sector comercial: Una revisión sistemática

Edgar Estiben Arévalo Castro — 2025-06-29

Este artículo de revisión sistemática, tiene como objetivo identificar el impacto y la aplicación de la Inteligencia Artificial (IA) en los procesos de marketing de las empresas del sector comercial de 2022 a 2025. Para esta investigación se revisaron 23 artículos de investigación en español e inglés que abordan el papel de la IA y fueron obtenidos de las siguientes bases de datos: Google Académico, Consensus, Scopus, ScienceDirect y el Repositorio Institucional de la Corporación Unificada Nacional de Educación Superior, CUN. La metodología utilizada es PRISMA, y para la búsqueda en las bases de datos, se generó la siguiente ecuación de búsqueda booleana (Inteligencia Artificial OR IA AND Marketing AND Publicidad AND Aprendizaje Automático AND Impacto), estableciendo así, un sistema de inclusión y exclusión riguroso para garantizar la calidad de las referencias. Como resultado, se identificó que la IA ha revolucionado el ámbito de mercadeo y la promoción en el sector comercial, optimiza la interacción con los clientes y mejora la eficiencia operativa. Su aplicación en el marketing permite crear experiencias más personalizadas, anticipar necesidades y fortalecer la relación entre las empresa y los cliente.

La Inteligencia Artificial en los procesos de Talento Humano en el Sector Financiero: Revisión sistemática

Yuly Tatiana Mora-López — 2025-06-29

Este artículo aborda el tema de la inteligencia artificial (IA) en los procesos del Talento Humano del sector financiero analizando los beneficios, desafíos e inquietudes que estos modelos generan al ser implementados en dichos procesos y específicamente, en el sector financiero, en relación con la mejora en la eficiencia operativa, la reducción de servicios en la contratación y la personalización de la formación. Se utilizó la metodología PRISMA, se seleccionaron artículos publicados en revistas indexadas existentes de los últimos 3 años que exploran las herramientas y técnicas utilizadas en la selección y capacitación de empleados. Para la búsqueda de los artículos se utilizaron las bases de datos especializadas. Los resultados obtenidos indican que la inteligencia artificial mejora significativamente la eficiencia mediante el uso de algoritmos de análisis que llegan a la predicción y eficacia de todos los procesos. A su vez, estas herramientas permiten la creación de programas de aprendizaje personalizados y de fácil adaptación, que cautivan el interés de cada empleado buscando lograr sus metas y objetivos para lograr el éxito de la organización y la implementación de simulaciones interactivas que enriquecen la experiencia de aprendizaje. Sin embargo, se identificaron desafíos relacionados con la privacidad de los datos y el riesgo de sesgos algorítmicos que afectan la equidad en los procesos del talento humano en el sector financiero, hecho que lleva a las organizaciones a ser cautelosas en el momento de utilizar e implementar esta herramienta en sus procesos relacionados con el área de talento humano del sector financiero.