{"id":{"repo_id":"catalunya","oai_identifier":"oai:openaccess.uoc.edu:10609/154036"},"canonical_url":"https://search.dev.ndltd.org/etd/catalunya/oai:openaccess.uoc.edu:10609/154036","repository":{"repo_id":"catalunya","name":"Universitat Oberta de Catalunya","base_url":"https://openaccess.uoc.edu/server/oai/request"},"display":{"title":"Estrategias avanzadas de defensa ante ciberataques generados por IA ofensiva: Un prototipo de detección robusta de phishing basado en Machine Learning","abstract":"Esta Trabajo Final de Grado se enmarca en el ámbito de la ciberseguridad, con especial atención ante una de las posibles tendencias futuras derivadas del auge de la IA: los ciberataques impulsados por IA ofensiva. En un escenario donde los atacantes emplean técnicas basadas en IA ofensiva con el objetivo de evadir la seguridad informática, se plantea un desafío universal en el que es necesario estudiar estrategias tecnológicas y metodológicas avanzadas para hacer frente a esta casuística. La finalidad del proyecto reside en el análisis riguroso de las estrategias avanzadas de defensa ante este tipo de ataques emergentes, junto con el estudio del machine learning como refuerzo en la detección de amenazas mediante aprendizaje automático. No obstante, dicho proyecto incluirá el diseño e implementación de un prototipo basado en técnicas de machine learning que detectará ataques avanzados de phishing simulados con variantes, a fin de recrear comportamientos adaptativos generados por IA y, evaluar la robustez ante estos casos en tendencia. Los resultados deseados consisten en demostrar qué tan eficaces son los modelos de aprendizaje automático ante el auge de ataques phishing avanzados y dinámicos, así como detectar sus limitaciones ante amenazas adaptativas y evaluar frente a casos normales. Para finalizar, este proyecto pretende contribuir a la creación de un marco de defensa robusto, aplicando técnicas de machine learning junto con estrategias avanzadas de seguridad para solventar una preocupación mundial en tendencia por la IA ofensiva en ciberataques, poniendo a prueba la resistencia de los sistemas digitales.","abstract_html":"Esta Trabajo Final de Grado se enmarca en el ámbito de la ciberseguridad, con especial atención ante una de las posibles tendencias futuras derivadas del auge de la IA: los ciberataques impulsados por IA ofensiva. En un escenario donde los atacantes emplean técnicas basadas en IA ofensiva con el objetivo de evadir la seguridad informática, se plantea un desafío universal en el que es necesario estudiar estrategias tecnológicas y metodológicas avanzadas para hacer frente a esta casuística. La finalidad del proyecto reside en el análisis riguroso de las estrategias avanzadas de defensa ante este tipo de ataques emergentes, junto con el estudio del machine learning como refuerzo en la detección de amenazas mediante aprendizaje automático. No obstante, dicho proyecto incluirá el diseño e implementación de un prototipo basado en técnicas de machine learning que detectará ataques avanzados de phishing simulados con variantes, a fin de recrear comportamientos adaptativos generados por IA y, evaluar la robustez ante estos casos en tendencia. Los resultados deseados consisten en demostrar qué tan eficaces son los modelos de aprendizaje automático ante el auge de ataques phishing avanzados y dinámicos, así como detectar sus limitaciones ante amenazas adaptativas y evaluar frente a casos normales. Para finalizar, este proyecto pretende contribuir a la creación de un marco de defensa robusto, aplicando técnicas de machine learning junto con estrategias avanzadas de seguridad para solventar una preocupación mundial en tendencia por la IA ofensiva en ciberataques, poniendo a prueba la resistencia de los sistemas digitales.","abstract_has_math":false,"creators":["Luna Boncompte, Xavier"],"institution":"Universitat Oberta de Catalunya (UOC)","degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2026,"date_issued":"2026-01-02","date_published":"2026-01-02","updated_at":"2026-07-27T19:06:52Z","subjects":["cybersecurity strategies","offensive AI","machine learning"],"languages":["spa"],"rights":["CC BY-NC"],"rights_urls":["https://creativecommons.org/licenses/by-nc/4.0/"],"identifier_entries":[]},"links":{"outbound_url":"https://hdl.handle.net/10609/154036","outbound_label":"Handle","outbound_source":"dc:identifier.uri"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:contributor.other","label":"Dc Contributor Other","values":["Perea Paños, Pau"]},{"key":"dc:creator","label":"Author","values":["Luna Boncompte, Xavier"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date.accessioned","label":"Dc Date Accessioned","values":["2026-01-30T17:03:58Z"]},{"key":"dc:date.available","label":"Dc Date Available","values":["2026-01-30T17:03:58Z"]},{"key":"dc:date.issued","label":"Date","values":["2026-01-02"]},{"key":"dc:publisher","label":"Institution","values":["Universitat Oberta de Catalunya (UOC)"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["cybersecurity strategies","offensive AI","machine learning"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language.iso","label":"Language (ISO)","values":["spa"]},{"key":"dc:rights","label":"Dc Rights","values":["CC BY-NC"]},{"key":"dc:rights.uri","label":"Rights URI","values":["https://creativecommons.org/licenses/by-nc/4.0/"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier.uri","label":"Identifier URI","values":["https://hdl.handle.net/10609/154036"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description.abstract","label":"Abstract","values":["Esta Trabajo Final de Grado se enmarca en el ámbito de la ciberseguridad, con especial atención ante una de las posibles tendencias futuras derivadas del auge de la IA: los ciberataques impulsados por IA ofensiva. En un escenario donde los atacantes emplean técnicas basadas en IA ofensiva con el objetivo de evadir la seguridad informática, se plantea un desafío universal en el que es necesario estudiar estrategias tecnológicas y metodológicas avanzadas para hacer frente a esta casuística. La finalidad del proyecto reside en el análisis riguroso de las estrategias avanzadas de defensa ante este tipo de ataques emergentes, junto con el estudio del machine learning como refuerzo en la detección de amenazas mediante aprendizaje automático. No obstante, dicho proyecto incluirá el diseño e implementación de un prototipo basado en técnicas de machine learning que detectará ataques avanzados de phishing simulados con variantes, a fin de recrear comportamientos adaptativos generados por IA y, evaluar la robustez ante estos casos en tendencia. Los resultados deseados consisten en demostrar qué tan eficaces son los modelos de aprendizaje automático ante el auge de ataques phishing avanzados y dinámicos, así como detectar sus limitaciones ante amenazas adaptativas y evaluar frente a casos normales. Para finalizar, este proyecto pretende contribuir a la creación de un marco de defensa robusto, aplicando técnicas de machine learning junto con estrategias avanzadas de seguridad para solventar una preocupación mundial en tendencia por la IA ofensiva en ciberataques, poniendo a prueba la resistencia de los sistemas digitales.","This Bachelor's Degree Final Project is framed in the field of cybersecurity with special attention to one of the possible future trends driven by the rise of AI: cyberattacks executed by offensive AI. In a situation where attackers employ offensive AI-powered techniques in order to evade computer security, a universal challenge arises in which it is necessary to study technological strategies and advanced methodological approaches to deal with this casuistry. The purpose of the project lies in the rigorous analysis of advanced defense strategies against this type of emerging attack, along with the study of machine learning as a reinforcement of threat detection through automatic learning. However, this project will include the design and implementation of a prototype based on machine learning techniques that will detect advanced phishing attacks simulated with variants, in order to recreate adaptive behaviors generated by AI and evaluate the robustness in the face of these trending cases. The desired results consist of demonstrating how effective machine learning models are in the face of the rise of advanced and dynamic phishing attacks, as well as detecting their limitations in the face of adaptive and evaluate performance against normal cases. Finally, this project aims to contribute to the creation of a robust defense framework, applying machine learning techniques together with advanced security strategies to solve a trending global concern by offensive AI in cyberattacks, testing the resilience of digital systems.","Aquesta proposta s’emmarca en l’àmbit de la ciberseguretat, amb una atenció especial a una de les possibles tendències futures derivades de l’auge de la intel·ligència artificial: els ciberatacs impulsats per IA ofensiva. En un escenari en què els atacants utilitzen tècniques basades en IA ofensiva amb l’objectiu d’evadir els sistemes de seguretat informàtica, es planteja un repte de caràcter global que requereix l’estudi d’estratègies tecnològiques i metodològiques avançades per fer front a aquesta casuística. La finalitat del projecte rau en l’anàlisi rigoros de les estratègies avançades de defensa davant aquest tipus d’amenaces emergents, juntament amb l’estudi del machine learning com a reforç en la detecció d’amenaces mitjançant aprenentatge automàtic. En aquest context, el projecte inclou el disseny i la implementació d’un prototip basat en tècniques de machine learning capaç de detectar atacs avançats de phishing simulats mitjançant variants evasives, amb l’objectiu de recrear comportaments adaptatius generats per IA i avaluar la robustesa del sistema davant aquests escenaris en tendència. Els resultats esperats consisteixen a demostrar fins a quin punt els models d’aprenentatge automàtic són efectius davant l’auge dels atacs de phishing avançats i dinàmics, així com a identificar-ne les limitacions davant amenaces adaptatives i avaluar-ne el comportament en escenaris normals. Finalment, aquest projecte pretén contribuir a la definició d’un marc de defensa robust, combinant tècniques de machine learning amb estratègies avançades de seguretat, per donar resposta a una preocupació global creixent relacionada amb l’ús de la IA ofensiva en els ciberatacs, posant a prova la resistència dels sistemes digitals."]},{"key":"dc:title","label":"Title","values":["Estrategias avanzadas de defensa ante ciberataques generados por IA ofensiva: Un prototipo de detección robusta de phishing basado en Machine Learning"]}]}],"canonical_facts":{"dc:contributor.other":["Perea Paños, Pau"],"dc:creator":["Luna Boncompte, Xavier"],"dc:date.accessioned":["2026-01-30T17:03:58Z"],"dc:date.available":["2026-01-30T17:03:58Z"],"dc:date.issued":["2026-01-02"],"dc:description.abstract":["Esta Trabajo Final de Grado se enmarca en el ámbito de la ciberseguridad, con especial atención ante una de las posibles tendencias futuras derivadas del auge de la IA: los ciberataques impulsados por IA ofensiva. En un escenario donde los atacantes emplean técnicas basadas en IA ofensiva con el objetivo de evadir la seguridad informática, se plantea un desafío universal en el que es necesario estudiar estrategias tecnológicas y metodológicas avanzadas para hacer frente a esta casuística. La finalidad del proyecto reside en el análisis riguroso de las estrategias avanzadas de defensa ante este tipo de ataques emergentes, junto con el estudio del machine learning como refuerzo en la detección de amenazas mediante aprendizaje automático. No obstante, dicho proyecto incluirá el diseño e implementación de un prototipo basado en técnicas de machine learning que detectará ataques avanzados de phishing simulados con variantes, a fin de recrear comportamientos adaptativos generados por IA y, evaluar la robustez ante estos casos en tendencia. Los resultados deseados consisten en demostrar qué tan eficaces son los modelos de aprendizaje automático ante el auge de ataques phishing avanzados y dinámicos, así como detectar sus limitaciones ante amenazas adaptativas y evaluar frente a casos normales. Para finalizar, este proyecto pretende contribuir a la creación de un marco de defensa robusto, aplicando técnicas de machine learning junto con estrategias avanzadas de seguridad para solventar una preocupación mundial en tendencia por la IA ofensiva en ciberataques, poniendo a prueba la resistencia de los sistemas digitales.","This Bachelor's Degree Final Project is framed in the field of cybersecurity with special attention to one of the possible future trends driven by the rise of AI: cyberattacks executed by offensive AI. In a situation where attackers employ offensive AI-powered techniques in order to evade computer security, a universal challenge arises in which it is necessary to study technological strategies and advanced methodological approaches to deal with this casuistry. The purpose of the project lies in the rigorous analysis of advanced defense strategies against this type of emerging attack, along with the study of machine learning as a reinforcement of threat detection through automatic learning. However, this project will include the design and implementation of a prototype based on machine learning techniques that will detect advanced phishing attacks simulated with variants, in order to recreate adaptive behaviors generated by AI and evaluate the robustness in the face of these trending cases. The desired results consist of demonstrating how effective machine learning models are in the face of the rise of advanced and dynamic phishing attacks, as well as detecting their limitations in the face of adaptive and evaluate performance against normal cases. Finally, this project aims to contribute to the creation of a robust defense framework, applying machine learning techniques together with advanced security strategies to solve a trending global concern by offensive AI in cyberattacks, testing the resilience of digital systems.","Aquesta proposta s’emmarca en l’àmbit de la ciberseguretat, amb una atenció especial a una de les possibles tendències futures derivades de l’auge de la intel·ligència artificial: els ciberatacs impulsats per IA ofensiva. En un escenari en què els atacants utilitzen tècniques basades en IA ofensiva amb l’objectiu d’evadir els sistemes de seguretat informàtica, es planteja un repte de caràcter global que requereix l’estudi d’estratègies tecnològiques i metodològiques avançades per fer front a aquesta casuística. La finalitat del projecte rau en l’anàlisi rigoros de les estratègies avançades de defensa davant aquest tipus d’amenaces emergents, juntament amb l’estudi del machine learning com a reforç en la detecció d’amenaces mitjançant aprenentatge automàtic. En aquest context, el projecte inclou el disseny i la implementació d’un prototip basat en tècniques de machine learning capaç de detectar atacs avançats de phishing simulats mitjançant variants evasives, amb l’objectiu de recrear comportaments adaptatius generats per IA i avaluar la robustesa del sistema davant aquests escenaris en tendència. Els resultats esperats consisteixen a demostrar fins a quin punt els models d’aprenentatge automàtic són efectius davant l’auge dels atacs de phishing avançats i dinàmics, així com a identificar-ne les limitacions davant amenaces adaptatives i avaluar-ne el comportament en escenaris normals. Finalment, aquest projecte pretén contribuir a la definició d’un marc de defensa robust, combinant tècniques de machine learning amb estratègies avançades de seguretat, per donar resposta a una preocupació global creixent relacionada amb l’ús de la IA ofensiva en els ciberatacs, posant a prova la resistència dels sistemes digitals."],"dc:identifier.uri":["https://hdl.handle.net/10609/154036"],"dc:language.iso":["spa"],"dc:publisher":["Universitat Oberta de Catalunya (UOC)"],"dc:rights":["CC BY-NC"],"dc:rights.uri":["https://creativecommons.org/licenses/by-nc/4.0/"],"dc:subject":["cybersecurity strategies","offensive AI","machine learning"],"dc:title":["Estrategias avanzadas de defensa ante ciberataques generados por IA ofensiva: Un prototipo de detección robusta de phishing basado en Machine Learning"]},"updated_at":"2026-07-27T19:06:52Z"}