Detección de botnets en sistemas IoT mediante autoencoders variacionales y control estadístico de procesos
La rápida proliferación de dispositivos del Internet de las Cosas (IoT) ha intensificado los desafíos de ciberseguridad, en particular por la amenaza de botnets. En este trabajo se propone una metodología para detectar dispositivos IoT comprometidos mediante autoencoders variacionales (VAE). La propuesta incorpora un tratamiento específico de las variables categóricas del tráfico de red mediante embeddings, con el fin de preservar la estructura relacional entre características. Además, se integra un esquema de control estadístico de procesos basado en el estadístico T² de Hotelling y en el error de predicción cuadrático (SPE) para monitorizar anomalías y establecer límites de decisión. La metodología se valida en estudios de caso con datos reales, obteniendo elevados valores de precisión, exhaustividad y F1. Los resultados muestran que el enfoque es eficaz, robusto y adaptable para la detección de botnets en entornos IoT.
Palabras clave: Autoencoders Variacionales Control Estadístico de Procesos IoT Detección de Botnets Ciberseguridad