Análisis de datos en la detección de ciberataques

Data analysis in the detection of cyberattacks Análise de dados na deteção de ataques cibernéticos

  • harold andrey martinez cortes Estudiante
Palabras clave: análisis de datos, ciberataques, redes empresariales, machine learning, detección de intrusos, ciberseguridad.

Resumen

En la actualidad, las organizaciones enfrentan un incremento exponencial en la generación de tráfico digital, lo que satura los métodos de monitoreo de seguridad. Determinaremos cómo el análisis de datos permite identificar oportunamente ciberataques y amenazas informáticas dentro de las redes empresariales. Se realizo una revisión basada en la metodología PRISMA, consultando bases de datos en Scopus e IEEE Xplore. Se analizaron más de 40 artículos utilizando una ecuación de búsqueda booleana que integro palabras clave como 'Machine Learning, Big Data y Intrusion Detection. El estudio analizo la integración de herramientas para procesar grandes volúmenes de datos en tiempo real, permitiendo la detección de patrones anormales que los sistemas convencionales omiten. La implementación de modelos de análisis de datos es fundamental para fortalecer la postura de ciberseguridad, transformando la gestión de redes de un enfoque preventivo y eficiente ante amenazas emergentes.

Descargas

La descarga de datos todavía no está disponible.

Citas

7. Referencias
1. J. S. Contributor, “Annual Cost of Cybercrime To Reach 10.5 Trillion By 2025,” Jericho Security, Jan. 21, 2026. https://www.jerichosecurity.com/blog/cost-of-cybercrime-to-reach-10.5-trillion-by-2025?hl=es-US
2. Itnews, “Fortinet registró 6.300 millones de intentos de ciberataques en Colombia.” https://itnews.lat/fortinet-registr-6-300-millones-de-intentos-de-ciberataques-en-colombia.html
3. Ali, R., Munir, K., Almutairi, M. S., & Dasehar, R. (2023). Novel class probability features for optimizing network attack detection with machine learning. IEEE Access, 11, 100112-100126. https://doi.org/10.1109/ACCESS.2023.3313596
4. Bilot, T., El Madhoun, N., Al Agha, K., & Zouaoui, A. (2023). Graph neural networks for intrusion detection: A survey. IEEE Access, 11, 49114-49139. https://doi.org/10.1109/ACCESS.2023.3275789
5. Fortinet. (2023). Fortinet registró 6.300 millones de intentos de ciberataques. Technocio. https://www.technocio.com/fortinet-registro-6-300-millones-de-intentos-de-ciberataques/
6. IBM Security. (2023). Cost of a data breach report 2023. IBM Corporation. https://latam.newsroom.ibm.com/2023-08-23-el-costo-promedio-de-una-filtracion-de-datos-en-Latinoamerica-alcanzo-USD-2,46-millones-en-2023
7. Ismail, M. M., Hussain, H., & Khan, A. A. (2022). A machine learning-based classification and prediction technique for DDoS attacks. IEEE Access, 10, 21065-21076. https://doi.org/10.1109/ACCESS.2022.3152577
8. Morgan, S. (2020). Cybercrime to cost the world $10.5 trillion annually by 2025. Cybercrime Magazine / Cybersecurity Ventures. https://cybersecurityventures.com/cybercrime-damage-costs-10-trillion-by-2025/
9. Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., & Moher, D. (2021). The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. BMJ, 372, n71. https://doi.org/10.1136/bmj.n71
10. Rakine, I., Okaira, A., El Guemmat, K., et al. (2025). Comprehensive review of intrusion detection techniques: ML and DL in different networks. IEEE Access, 13. https://doi.org/10.1109/ACCESS.2025.3579990
11. Razaulla, S., Fachkha, C., & Markarian, C. (2023). The age of ransomware: A survey on the evolution, taxonomy, and research directions. IEEE Access, 11, 40698-40723. https://doi.org/10.1109/ACCESS.2023.3268535
12. Verma, P., Lemley, J., et al. (2026). CRISP: Cyber-resilient intelligent systems for predicting threats in digital ecosystems. IEEE Access, 14. https://doi.org/10.1109/ACCESS.2026.3658507
Publicado
2026-06-30
Cómo citar
martinez cortes, harold andrey. (2026). Análisis de datos en la detección de ciberataques: Data analysis in the detection of cyberattacks Análise de dados na deteção de ataques cibernéticos. Revista Colombiana De Contabilidad - ASFACOP, 15(27), 14. https://doi.org/10.56241/asf.v15n27.379