Redes informáticas con inteligencia artificial para la protección de ciberataques: una revisión sistemática de la literatura

Abstract

En el contexto del aumento de ciberataques y la vulnerabilidad de las redes informáticas educativas, este estudio realizó una revisión sistemática para evaluar la efectividad de la inteligencia artificial (IA) frente a métodos tradicionales de protección. Siguiendo las directrices PRISMA, se analizaron 17 estudios publicados entre 2020 y 2024 en bases de datos como IEEE Xplore y Scopus, priorizando investigaciones enfocadas en redes educativas. Los hallazgos mostraron que la IA alcanzó una precisión promedio del 89% en la detección de amenazas, superando el 72% de los métodos convencionales, con especial eficacia frente a ataques emergentes. No obstante, se identificaron barreras relevantes como los elevados costos de implementación (en promedio USD 28 mil en hardware), la escasez de personal especializado y la heterogeneidad de las infraestructuras educativas. El estudio concluye que modelos colaborativos, herramientas low-code y enfoques híbridos son claves para facilitar la adopción de la IA en contextos con recursos limitados y ampliar su aplicación en escenarios diversos.In the context of rising cyberattacks and the vulnerability of educational computer networks, this study conducted a systematic review to assess the effectiveness of artificial intelligence (AI) compared to traditional protection methods. Following PRISMA guidelines, 17 studies published between 2020 and 2024 were analyzed from databases such as IEEE Xplore and Scopus, with inclusion criteria focused on temporal relevance and educational networks. The findings revealed that AI achieved an average detection accuracy of 89%, outperforming traditional approaches at 72%, particularly in identifying emerging threats. However, key barriers were identified, including high implementation costs (averaging USD 28,000 in hardware), lack of specialized personnel, and heterogeneity across educational infrastructures. The study concludes that collaborative models, low-code tools, and hybrid approaches are essential to enable AI adoption in resource-constrained contexts. Furthermore, it highlights the importance of extending future research to diverse geographical settings to strengthen the applicability and scalability of AI in educational cybersecurity.