Conclusiones

• A pesar de los avances significativos en la inteligencia artificial aplicada a la ciberseguridad, su implementación en entornos reales en la actualidad sigue viéndose limitada debido a la falta de explicabilidad de los modelos, la escasez de datos etiquetados adecuados y la vulnerabilidad ante ciberataques mas elaborados.

• Los sistemas de IA, especialmente aquellos basados en aprendizaje automático para la detección de intrusiones, dependen en gran medida de grandes volúmenes de datos históricos los cuales a menudo no reflejan las últimas amenazas limitando de esta manera su efectividad en situaciones de ataque emergentes.

• La IA utilizada en entornos controlados no siempre se adapta bien a las variabilidades y complejidades de las redes reales, donde los modelos deben ser capaces de manejar una variedad de dispositivos y situaciones imprevistas.

• Para superar estos desafíos, se investiga el uso de enfoques híbridos los cuales combinen IA con métodos tradicionales de ciberseguridad avanzando así hacia la IA explicable (XAI) la cual busca hacer los modelos más transparentes y confiables.

• El futuro de la ciberseguridad impulsada por IA dependerá de superar las barreras de adaptabilidad, la mejora en la interpretación de los modelos y la colaboración entre la investigación académica y las necesidades existentes del mundo real.