Modelo FFNN-Bi-LSTM para evitar ataques de suplantación de identidad en la web como herramienta de protección para navegadores

Abstract

La presente investigación tiene como objetivo general construir un modelo FFNN-Bi-LSTM para evitar ataques de suplantación de identidad en la web mediante navegadores. Gracias a ello, este trabajo contribuye al Objetivo de Desarrollo Sostenible (ODS) número 9, que se refiere a “Construir infraestructuras resilientes, promover la industrialización sostenible y fomentar la innovación”. Para poder cumplir estos objetivos, la investigación sigue un enfoque cuantitativo de tipo aplicada, utilizando como muestra cuatro arquitecturas de Deep Learning y cuatro conjuntos de datos. La construcción del modelo FFNN-Bi-LSTM logró valores porcentuales mayores al 95% en las métricas de desempeño evaluadas en los experimentos. En conclusión, la arquitectura FFNN-Bi-LSTM propuesta en el presente estudio demuestra métricas positivas para prevenir ataques de suplantación de identidad en la web mediante navegadores.