Los investigadores del CITIC de la UDC Rubén Pérez, Martiño Rivera, Daniel Garabato y Javier Nóvoa han participado recientemente en las XI Jornadas Nacionales de Investigación en Ciberseguridad (JNIC 2026), organizadas por la Universitat Politècnica de Catalunya (UPC) y el INCIBE, donde han presentado diversos trabajos centrados en ciberseguridad avanzada, inteligencia artificial aplicada a redes y nuevos enfoques de autenticación. Los trabajos presentados son un ejemplo del trabajo desarrollando en el centro, centrado en el uso de la inteligencia artificial avanzada para afrontar retos clave de la ciberseguridad moderna, que abarcan desde el análisis del tráfico de red hasta la autenticación segura y continua en entornos complejos.

El investigador Rubén Pérez Jove presentó el trabajo “Revisiting Network Traffic Foundation Models: A Systematic Review”, desarrollado junto a Cristian R. Munteanu, Julián Dorado, Alejandro Pazos y Jose Vázquez-Naya. El estudio aborda los network traffic foundation models, una línea emergente que aplica modelos fundacionales al análisis automático del tráfico de red. La revisión sistemática analiza su aplicación a tareas como la clasificación de tráfico y la detección de anomalías, así como las arquitecturas utilizadas y las limitaciones actuales.

Entre sus conclusiones, el trabajo identifica retos clave relacionados con la generalización y la transferencia entre dominios, destacando la necesidad de modelos más robustos y versátiles que reduzcan la dependencia de soluciones específicas.

Por su parte, el investigador Martiño Rivera Dourado presentó una revisión del trabajo “A Review of EAP-FIDO: A Novel EAP Method for Using FIDO2 Credentials for Network Authentication”, realizado junto a Christos Xenakis, Alejandro Pazos y José Vázquez Naya. La propuesta analiza la integración de credenciales FIDO2 en redes WPA2/WPA3-Enterprise y MACsec mediante túneles EAP, permitiendo unificar la autenticación web y de red sin necesidad de certificados cliente.

El estudio destaca su potencial como solución segura, escalable y compatible con estándares actuales, orientada a simplificar la autenticación en entornos corporativos.

Detección de anomalías en tráfico cifrado con IA híbrida

Por otra parte, los investigadores Francisco Javier Nóvoa Manuel y Daniel Garabato presentaron dos contribuciones centradas en la aplicación de inteligencia artificial a la ciberseguridad.

Por un lado, el trabajo “A Hybrid EFMS-KMeans and CNN-GRU Architecture for Anomaly Detection in Encrypted Network Traffic” propone una arquitectura híbrida que combina clustering no supervisado y modelos de aprendizaje profundo para la detección de anomalías en tráfico cifrado. Este artículo fue desarrollado por Daniel Quirumbay, Diego Fernández Iglesias y Francisco J. Nóvoa.

El trabajo “Plataforma escalable de autenticación continua basada en biometría del comportamiento y modelos de inteligencia artificial”, realizado por Francisco J. Nóvoa, Daniel Garabato, Álvaro Sarmiento, Mario Casado, Ignasi de José y Carlos Dafonte, presentó una plataforma de autenticación continua basada en biometría del comportamiento. Esta se centra en la dinámica del uso del ratón y apoyada en modelos de aprendizaje automático desplegados en una arquitectura escalable.

Los resultados muestran el potencial de enfoques como CatBoost y SVM para lograr un equilibrio entre precisión y generalización, reforzando el papel de la autenticación continua como complemento a los sistemas tradicionales.

Este artículo es un resumen extendido del trabajo publicado en el 23rd IEE International Symposium on Network Computing and Applications (NCA 2025), en el que se detalla la metodología utilizada y se explica en profundidad los resultados obtenidos.