Abstract:
En el marco de esta tesis, se propone y desarrolla un sistema de detección de intrusiones centrado en la seguridad de transacciones en línea, empleando honeypots especializados con el fin de imitar entornos de procesamiento de pagos y simular posibles atacantes. Este sistema destaca por su enfoque en un análisis del spoofing, técnica utilizada para fabricar una identidad crítica en el sector financiero. El estudio profundiza en el análisis del comportamiento malicioso, empleando algoritmos de aprendizaje automático para reconocer patrones de ataque y tomar medidas proactivas. Este enfoque no solo hace que el sistema sea más capaz de detectar y responder a los incidentes de seguridad, sino que también ayuda a crear un entorno más seguro y confiable para las transacciones digitales. La combinación de metodologías de desarrollo ágil con el desarrollo de sistemas permite una adaptación y evolución continuas en respuesta a las amenazas cibernéticas emergentes. De acuerdo con la constante evolución de las amenazas y la necesidad de soluciones innovadoras y adaptativas en la ciberseguridad financiera, este trabajo no solo aborda los desafíos técnicos inmediatos de la seguridad en transacciones financieras digitales, sino que con la aplicación de estrategias de segmentación adaptativa también plantea un marco de investigación y desarrollo orientado al futuro.
