Logotipo del repositorio

Diseño e implementación de una plataforma inteligente basada en aprendizaje automático para la detección de correos electrónicos y enlaces de phishing en entornos universitarios

Vista sencilla de ítem
dc.contributor.advisorSeligmann Trujillo, Carlos David
dc.contributor.authorVILLARROEL PEREZ, LEONARDO DAVID
dc.coverage.temporal2026-1
dc.date.accessioned2026-07-08T15:23:28Z
dc.date.issued2026-07-03
dc.description.abstractEl presente proyecto aborda la necesidad de fortalecer la ciberseguridad en instituciones de educación superior, donde la infraestructura digital se ha convertido en un componente esencial para la gestión académica. Esta transformación ha aumentado la exposición a amenazas cibernéticas, especialmente al phishing, considerado uno de los vectores de ataque más críticos. Este tipo de amenaza afecta la integridad de los datos institucionales y compromete la privacidad de estudiantes y docentes, quienes muchas veces no cuentan con herramientas simples y efectivas para identificar correos o enlaces maliciosos en tiempo real. El problema se agrava con la evolución del cibercrimen hacia ataques más sofisticados, como el Spear Phishing, en los que los atacantes suplantan identidades institucionales de manera precisa. Frente a esto, los métodos tradicionales basados en listas negras resultan limitados, ya que las URLs fraudulentas se generan con mayor rapidez que la actualización de las bases de datos de seguridad. Como solución, el proyecto propone una plataforma inteligente basada en aprendizaje automático, capaz de analizar patrones semánticos y estructurales para clasificar correos electrónicos y enlaces fraudulentos, incluso ante amenazas de Día Cero. La plataforma se desarrolla con tecnologías Full-Stack JavaScript, utilizando Next.js con TypeScript para el backend y Tailwind CSS para una interfaz adaptativa, liviana y modular. La inteligencia del sistema se apoya en Ollama, herramienta que permite ejecutar modelos de lenguaje de forma local. Esta arquitectura, alineada con el Edge Computing, reduce la latencia y evita enviar información sensible a servidores externos. Además, el sistema no requiere bases de datos ni servicios en la nube, ya que gestiona registros técnicos mediante archivos JSON Lines almacenados localmente. Finalmente, la propuesta representa una prueba de concepto para democratizar la ciberseguridad, ofreciendo una solución portable, autónoma y de bajo costo para la comunidad educativa.
dc.description.abstractenglishThis project addresses the need to strengthen cybersecurity in higher education institutions, where digital infrastructure has become an essential component of academic management. This transformation has increased exposure to cyber threats—particularly phishing, which is considered one of the most critical attack vectors. Such threats compromise the integrity of institutional data and the privacy of students and faculty, who often lack simple, effective tools to identify malicious emails or links in real time. The problem is exacerbated by the evolution of cybercrime toward more sophisticated attacks, such as spear phishing, in which attackers precisely impersonate institutional identities. Traditional blacklist-based methods are limited in this context, as fraudulent URLs are generated faster than security databases can be updated. As a solution, the project proposes an intelligent platform based on machine learning, capable of analyzing semantic and structural patterns to classify fraudulent emails and links, even in the face of zero-day threats. The platform is developed using full-stack JavaScript technologies, employing Next.js with TypeScript for the backend and Tailwind CSS for an adaptive, lightweight, and modular interface. The system's intelligence relies on Ollama, a tool that enables the local execution of language models. This architecture, aligned with edge computing principles, reduces latency and avoids sending sensitive information to external servers. Furthermore, the system requires neither databases nor cloud services, as it manages technical records via locally stored JSON Lines files. Ultimately, this proposal serves as a proof of concept for democratizing cybersecurity, offering a portable, autonomous, and low-cost solution for the educational community.
dc.description.tableofcontentsRESUMEN DEL PROYECTO 6 1. TÍTULO DE LA PROPUESTA 9 2. PLANTEAMIENTO DEL PROBLEMA 10 2.1. Descripción del problema 10 2.2. Elementos del problema 11 2.3. Formulación del problema 11 3. OBJETIVOS 12 3.1. Objetivo Principal 12 3.2. Objetivos Secundarios 12 4. MARCO TEÓRICO Y ESTADO DEL ARTE 14 4.1. Fundamentos del Phishing y Vectores de Ataque en Redes e Infraestructura de Correo 14 4.1.1. Arquitectura del Protocolo SMTP y Cabeceras Técnicas 14 4.1.2. Ingeniería Social y Disparadores Psicológicos (Triggers) en Entornos Académicos 15 4.2. Modelos de Lenguaje de Gran Tamaño (LLMs) y Procesamiento Semántico 15 4.2.1. La Arquitectura Transformer y el Mecanismo de Auto-Atención 16 4.2.2. Análisis Semántico frente a Análisis Sintáctico 16 4.3. Fundamentación de los Clasificadores Inteligentes Autónomos 17 4.3.1. Estimación Probabilística del Riesgo 17 4.3.2. Estructuración y Mapeo del Output 17 4.4. Arquitectura de Inferencia de Inteligencia Artificial Local: El Ecosistema Ollama 18 4.4.1. El Paradigma del Edge AI e Inferencia Local 19 4.4.2. Funcionamiento Técnico y Arquitectura de Ollama 19 4.4.3. Cuantización de Modelos de Lenguaje (Formatos GGUF) 20 4.5. Estado del Arte 20 5. JUSTIFICACIÓN 22 6. ALCANCE 24 7. METODOLOGÍA 26 7.1. Descripción de actividades 26 7.2. Avance Técnico y Evidencia de Implementación 27 7.2.1. Arquitectura del Servidor (Backend) 27 7.3. Implementación del Frontend 29 7.3.1. Fase 1: Inicialización del Proyecto Frontend 29 7.3.2. Fase 2: Acceso al Directorio y Configuración de Variables de Entorno 29 7.3.3. Fase 3: Instalación de Dependencias del Proyecto 30 7.3.4. Fase 4: Organización de la Estructura del Proyecto y Desarrollo de la Interfaz 30 7.3.5. Fase 5: Visualización de la Plataforma Web y Presentación de Resultados 31 7.3.6. Fase 6: Sección Informativa de la Plataforma 33 8. CRONOGRAMA DE ACTIVIDADES 39 9. ENTREGABLES 40 10. REFERENCIAS BIBLIOGRÁFICAS 41 11. ANEXO A: REQUERIMIENTOS 42
dc.identifier.urihttps://hdl.handle.net/10823/8280
dc.relation.referencesMeta AI. (2024). Introducing Llama 3: The most capable openly available LLM to date. Meta AI Blog. https://ai.meta.com/blog/meta-llama-3/
dc.relation.referencesNode.js Association. (2024). Node.js v20.x Documentation: HTTP and Express integration. https://nodejs.org/docs/latest-v20.x/api/
dc.relation.referencesOllama. (2024). Ollama Documentation: Local execution of large language models. https://ollama.com/library
dc.relation.referencesReact. (2024). React Documentation: Building user interfaces with functional components. Meta Platforms, Inc. https://react.dev/
dc.relation.referencesVercel. (2024). Next.js Documentation: Building full-stack web applications with React components. https://nextjs.org/docs
dc.relation.referencesMicrosoft. (2024). TypeScript Documentation: Handbook for scalable application development. The TypeScript Team. https://www.typescriptlang.org/docs/
dc.subject.keywordsCybersecurity
dc.subject.keywordsPhishing
dc.subject.keywordsSpear Phishing
dc.subject.keywordsMachine Learning
dc.subject.keywordsArtificial Intelligence
dc.subject.keywordsOllama
dc.subject.keywordsEdge Computing
dc.subject.keywordsNext.js
dc.subject.lembFraude de internet
dc.subject.lembSeguridad informática
dc.subject.lembRobo de identidad
dc.subject.proposalCiberseguridad
dc.subject.proposalPhishing
dc.subject.proposalAprendizaje automático
dc.subject.proposalInteligencia artificial
dc.titleDiseño e implementación de una plataforma inteligente basada en aprendizaje automático para la detección de correos electrónicos y enlaces de phishing en entornos universitarios
dc.title.translatedDesign and Implementation of an Intelligent Machine Learning-Based Platform for Detecting Phishing Emails and Links in University Environments
dc.typebachelorThesis
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.coarversionhttp://purl.org/coar/version/c_71e4c1898caa6e32
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
dc.type.versioninfo:eu-repo/semantics/submittedVersion

Archivos

Bloque original

Mostrando 1 - 1 de 1
Miniatura
Nombre:
davidvillarroelperezleonardo_125153_95212458_IngSoftware_LeonardoVillarroel_TrabajoGrado_2026-1.docx
Tamaño:
1.18 MB
Formato:
Microsoft Word XML
Descargar

Bloque de licencias

Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Ingeniería de Software