Buscador :
Volver al Menú
| : /
Vote:
Resultados:
1 Votos
NOVIEMBRE 2026 - Volumen: 101 - Páginas: 614-620
¿Le interesa este artículo? Puede comprar el artículo a través de la plataforma de pago de PayPal o tarjeta de crédito (VISA, MasterCard,...) por 20 €.
Los ataques de denegación de servicio distribuido (DDoS) son cada vez más sofisticados y volumétricos en los entornos de red actuales, que comprenden redes definidas por software (SDN), Internet de las cosas (IoT) e infraestructuras de computación en la nube y en el borde. Los enfoques de aprendizaje por conjuntos se utilizan con creciente frecuencia para mejorar la precisión, reforzar los sistemas frente a los ataques y adaptarse dinámicamente a la evolución del panorama de la ciberseguridad. Esta revisión sistemática de la literatura (SLR) analiza las investigaciones sobre detección de ataques DDoS mediante aprendizaje por conjuntos publicadas entre 2021 y 2025. Tras un riguroso proceso de revisión, se seleccionaron y analizaron ochenta y nueve estudios científicos revisados por pares.La revisión aborda las tendencias de publicación, los escenarios de implementación, los conjuntos de datos, los modelos de aprendizaje por conjuntos, la evaluación del rendimiento, los desafíos y las líneas futuras de investigación. El artículo tiene como objetivo ofrecer un estudio comparativo de la composición estructural de los algoritmos utilizados para detectar ataques DDoS mediante aprendizaje por conjuntos. Las categorías de análisis incluyen los conjuntos de datos empleados, la extracción de características y los métodos de evaluación. La clasificación propuesta permite analizar de forma sistemática y jerarquizada los objetivos y las metodologías para comprender mejor la investigación actual.El análisis reveló que las SDN y el IoT son los escenarios de implementación que reciben mayor atención y que gran parte de las investigaciones actuales emplean técnicas de aumento de datos, apilamiento y enfoques híbridos. Se presenta una taxonomía basada en la evidencia que clasifica los enfoques existentes de aprendizaje por conjuntos en seis categorías: basados en bagging, basados en boosting, basados en apilamiento (stacking), híbridos, guiados por optimización y conjuntos inteligentes emergentes. Entre los desafíos más destacados se encuentran la dependencia de los datos, la escalabilidad, la complejidad temporal, la interpretabilidad de los modelos, la protección de la privacidad y la robustez frente a ataques adversarios y desconocidos. Finalmente, esta revisión propone una agenda de investigación basada en la evidencia para desarrollar sistemas de defensa frente a ataques DDoS mediante aprendizaje por conjuntos más adaptativos, interpretables, escalables y respetuosos con la privacidad.Palabras clave: denegación de servicio distribuido, DDoS, aprendizaje por conjuntos, aprendizaje automático, detección de DDoS, seguridad de redes, sistemas de detección de intrusiones, detección de ciberamenazas, sistemas de seguridad inteligentes, algoritmos de clasificación.
Compártenos:
© Revista de Ingeniería Dyna 2025 - UK Zhende Publishing Limited
Dirección: Unit 7 Wilsons Business Park, Manchester M40 8WN United Kingdom
Email: office@revistadyna.com
Regístrese en un paso con su email y podrá personalizar sus preferencias mediante su perfil
Nombre: *
Apellido 1: *
Apellido 2:
Email: *