Protección proactiva de la identidad digital de usuarios en web 2.0 y web 3.0 mediante inteligencia artificial
- Autores
- Méndez-Garabetti, Miguel; Piray, Eduardo; Requena, Leonardo; González, Ricardo; Romero Arregin, Guillermo; Schwemler, Federico
- Año de publicación
- 2025
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- Las aplicaciones web están permanentemente conectadas a redes de datos, y más que todo a la red Internet. Por lo tanto, las mismas están expuestas a ciberataques. Es clave efectuar una correcta Gestión de la Identidad y Acceso (Identity and Access Management IAM por su siglas en inglés), porque la identidad digital de los usuarios y los activos digitales deben estar protegidos, y no deben permitirse accesos no autorizados. En este ámbito, la inteligencia artificial integrada con el machine mearning (aprendizaje automático) y mediante el uso de redes neuronales artificiales, es posible administrar de forma automática y proactiva la seguridad en dichas aplicaciones. Es clave poder demostrar cómo detectar dinámicamente amenazas y cómo optimizar la gestión de identidad y acceso mediante inteligencia artificial en Web 2.0 y Web 3.0. Es importante integrar la inteligencia artificial, el aprendizaje automático y las redes neuronales para optimizar la gestión de Identidad y Acceso en aplicaciones web. Partiendo de las limitaciones de los sistemas de gestión tradicionales que no utilizan inteligencia artificial, se explorará cómo los algoritmos de machine learning con redes neuronales pueden mejorar la autenticación, la detección de anomalías y la autorización en tiempo real. Este enfoque busca avanzar hacia un modelo IAM autónomo, seguro y escalable. Se pretende seguir una metodología de estudio basada en un análisis cuantitativo. Por medio de estudios empíricos en ambientes de pruebas controlados que permitan evaluar la efectividad de los modelos de IAM generados.
Red de Universidades con Carreras en Informática - Materia
-
Ciencias Informáticas
Gestión de Identidades y Accesos (IAM)
Inteligencia artificial
Aprendizaje automático
Aprendizaje automático no supervisado
Ciberseguridad proactiva - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-sa/4.0/
- Repositorio
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/184254
Ver los metadatos del registro completo
id |
SEDICI_5f804c714ff09d777383496f9e501a43 |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/184254 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Protección proactiva de la identidad digital de usuarios en web 2.0 y web 3.0 mediante inteligencia artificialMéndez-Garabetti, MiguelPiray, EduardoRequena, LeonardoGonzález, RicardoRomero Arregin, GuillermoSchwemler, FedericoCiencias InformáticasGestión de Identidades y Accesos (IAM)Inteligencia artificialAprendizaje automáticoAprendizaje automático no supervisadoCiberseguridad proactivaLas aplicaciones web están permanentemente conectadas a redes de datos, y más que todo a la red Internet. Por lo tanto, las mismas están expuestas a ciberataques. Es clave efectuar una correcta Gestión de la Identidad y Acceso (Identity and Access Management IAM por su siglas en inglés), porque la identidad digital de los usuarios y los activos digitales deben estar protegidos, y no deben permitirse accesos no autorizados. En este ámbito, la inteligencia artificial integrada con el machine mearning (aprendizaje automático) y mediante el uso de redes neuronales artificiales, es posible administrar de forma automática y proactiva la seguridad en dichas aplicaciones. Es clave poder demostrar cómo detectar dinámicamente amenazas y cómo optimizar la gestión de identidad y acceso mediante inteligencia artificial en Web 2.0 y Web 3.0. Es importante integrar la inteligencia artificial, el aprendizaje automático y las redes neuronales para optimizar la gestión de Identidad y Acceso en aplicaciones web. Partiendo de las limitaciones de los sistemas de gestión tradicionales que no utilizan inteligencia artificial, se explorará cómo los algoritmos de machine learning con redes neuronales pueden mejorar la autenticación, la detección de anomalías y la autorización en tiempo real. Este enfoque busca avanzar hacia un modelo IAM autónomo, seguro y escalable. Se pretende seguir una metodología de estudio basada en un análisis cuantitativo. Por medio de estudios empíricos en ambientes de pruebas controlados que permitan evaluar la efectividad de los modelos de IAM generados.Red de Universidades con Carreras en Informática2025-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf644-648http://sedici.unlp.edu.ar/handle/10915/184254spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-575-267-2info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/182261info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:50:13Zoai:sedici.unlp.edu.ar:10915/184254Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:50:13.78SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Protección proactiva de la identidad digital de usuarios en web 2.0 y web 3.0 mediante inteligencia artificial |
title |
Protección proactiva de la identidad digital de usuarios en web 2.0 y web 3.0 mediante inteligencia artificial |
spellingShingle |
Protección proactiva de la identidad digital de usuarios en web 2.0 y web 3.0 mediante inteligencia artificial Méndez-Garabetti, Miguel Ciencias Informáticas Gestión de Identidades y Accesos (IAM) Inteligencia artificial Aprendizaje automático Aprendizaje automático no supervisado Ciberseguridad proactiva |
title_short |
Protección proactiva de la identidad digital de usuarios en web 2.0 y web 3.0 mediante inteligencia artificial |
title_full |
Protección proactiva de la identidad digital de usuarios en web 2.0 y web 3.0 mediante inteligencia artificial |
title_fullStr |
Protección proactiva de la identidad digital de usuarios en web 2.0 y web 3.0 mediante inteligencia artificial |
title_full_unstemmed |
Protección proactiva de la identidad digital de usuarios en web 2.0 y web 3.0 mediante inteligencia artificial |
title_sort |
Protección proactiva de la identidad digital de usuarios en web 2.0 y web 3.0 mediante inteligencia artificial |
dc.creator.none.fl_str_mv |
Méndez-Garabetti, Miguel Piray, Eduardo Requena, Leonardo González, Ricardo Romero Arregin, Guillermo Schwemler, Federico |
author |
Méndez-Garabetti, Miguel |
author_facet |
Méndez-Garabetti, Miguel Piray, Eduardo Requena, Leonardo González, Ricardo Romero Arregin, Guillermo Schwemler, Federico |
author_role |
author |
author2 |
Piray, Eduardo Requena, Leonardo González, Ricardo Romero Arregin, Guillermo Schwemler, Federico |
author2_role |
author author author author author |
dc.subject.none.fl_str_mv |
Ciencias Informáticas Gestión de Identidades y Accesos (IAM) Inteligencia artificial Aprendizaje automático Aprendizaje automático no supervisado Ciberseguridad proactiva |
topic |
Ciencias Informáticas Gestión de Identidades y Accesos (IAM) Inteligencia artificial Aprendizaje automático Aprendizaje automático no supervisado Ciberseguridad proactiva |
dc.description.none.fl_txt_mv |
Las aplicaciones web están permanentemente conectadas a redes de datos, y más que todo a la red Internet. Por lo tanto, las mismas están expuestas a ciberataques. Es clave efectuar una correcta Gestión de la Identidad y Acceso (Identity and Access Management IAM por su siglas en inglés), porque la identidad digital de los usuarios y los activos digitales deben estar protegidos, y no deben permitirse accesos no autorizados. En este ámbito, la inteligencia artificial integrada con el machine mearning (aprendizaje automático) y mediante el uso de redes neuronales artificiales, es posible administrar de forma automática y proactiva la seguridad en dichas aplicaciones. Es clave poder demostrar cómo detectar dinámicamente amenazas y cómo optimizar la gestión de identidad y acceso mediante inteligencia artificial en Web 2.0 y Web 3.0. Es importante integrar la inteligencia artificial, el aprendizaje automático y las redes neuronales para optimizar la gestión de Identidad y Acceso en aplicaciones web. Partiendo de las limitaciones de los sistemas de gestión tradicionales que no utilizan inteligencia artificial, se explorará cómo los algoritmos de machine learning con redes neuronales pueden mejorar la autenticación, la detección de anomalías y la autorización en tiempo real. Este enfoque busca avanzar hacia un modelo IAM autónomo, seguro y escalable. Se pretende seguir una metodología de estudio basada en un análisis cuantitativo. Por medio de estudios empíricos en ambientes de pruebas controlados que permitan evaluar la efectividad de los modelos de IAM generados. Red de Universidades con Carreras en Informática |
description |
Las aplicaciones web están permanentemente conectadas a redes de datos, y más que todo a la red Internet. Por lo tanto, las mismas están expuestas a ciberataques. Es clave efectuar una correcta Gestión de la Identidad y Acceso (Identity and Access Management IAM por su siglas en inglés), porque la identidad digital de los usuarios y los activos digitales deben estar protegidos, y no deben permitirse accesos no autorizados. En este ámbito, la inteligencia artificial integrada con el machine mearning (aprendizaje automático) y mediante el uso de redes neuronales artificiales, es posible administrar de forma automática y proactiva la seguridad en dichas aplicaciones. Es clave poder demostrar cómo detectar dinámicamente amenazas y cómo optimizar la gestión de identidad y acceso mediante inteligencia artificial en Web 2.0 y Web 3.0. Es importante integrar la inteligencia artificial, el aprendizaje automático y las redes neuronales para optimizar la gestión de Identidad y Acceso en aplicaciones web. Partiendo de las limitaciones de los sistemas de gestión tradicionales que no utilizan inteligencia artificial, se explorará cómo los algoritmos de machine learning con redes neuronales pueden mejorar la autenticación, la detección de anomalías y la autorización en tiempo real. Este enfoque busca avanzar hacia un modelo IAM autónomo, seguro y escalable. Se pretende seguir una metodología de estudio basada en un análisis cuantitativo. Por medio de estudios empíricos en ambientes de pruebas controlados que permitan evaluar la efectividad de los modelos de IAM generados. |
publishDate |
2025 |
dc.date.none.fl_str_mv |
2025-04 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion Objeto de conferencia http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
format |
conferenceObject |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://sedici.unlp.edu.ar/handle/10915/184254 |
url |
http://sedici.unlp.edu.ar/handle/10915/184254 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/isbn/978-987-575-267-2 info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/182261 |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) |
dc.format.none.fl_str_mv |
application/pdf 644-648 |
dc.source.none.fl_str_mv |
reponame:SEDICI (UNLP) instname:Universidad Nacional de La Plata instacron:UNLP |
reponame_str |
SEDICI (UNLP) |
collection |
SEDICI (UNLP) |
instname_str |
Universidad Nacional de La Plata |
instacron_str |
UNLP |
institution |
UNLP |
repository.name.fl_str_mv |
SEDICI (UNLP) - Universidad Nacional de La Plata |
repository.mail.fl_str_mv |
alira@sedici.unlp.edu.ar |
_version_ |
1844616361746104320 |
score |
13.070432 |