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
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/184254

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