169783 20260304131019.0 TAZ-TFG-2025-4921 spa Morales Rico, Juan Carlos Implementation of Artificial Intelligence Systems for Cyber Defense in Military Networks Implementación de sistemas de inteligencia artificial para la ciberdefensa en redes militares Zaragoza Universidad de Zaragoza 2025 by-nc-sa Creative Commons 3.0 http://creativecommons.org/licenses/by-nc-sa/3.0/ En las últimas décadas, el papel de la ciberdefensa está adquiriendo una relevancia cada<br />vez mayor en el ámbito militar, consolidándose como un nuevo dominio. Este Trabajo de Fin de<br />Grado tiene como objetivo implementar y evaluar la integración de modelos de Inteligencia<br />Artificial (IA) en los Centros de Operaciones de Seguridad (SOC) que emplean plataformas de<br />Gestión de Información y Eventos de Seguridad (SIEM), con la finalidad de optimizar la<br />clasificación y priorización de alertas, para así fortalecer la capacidad de respuesta ante<br />ciberamenazas en redes militares.<br />El trabajo se ha desarrollado usando una metodología de investigación aplicada,<br />combinando una revisión bibliográfica con un diseño e implementación de distintos modelos de<br />integración.<br />El análisis documental muestra la creciente necesidad de automatizar la gestión de eventos<br />en el ciberespacio, especialmente en defensa, donde la velocidad de reacción puede resultar<br />determinante. Se constata que la aplicación de la IA en la ciberdefensa es un campo emergente<br />con un gran potencial para complementar las capacidades humanas y, al mismo tiempo, una<br />necesidad estratégica para hacer frente a las amenazas avanzadas, incluidas aquellas<br />potenciadas por los propios modelos de lenguaje.<br />Se ha realizado un análisis de necesidades mediante una matriz DAFO, con el objetivo de<br />identificar los factores internos y externos que influyen en la integración. Para llevar a cabo el<br />despliegue experimental se ha utilizado el entorno SIEM de Wazuh sobre sistemas Ubuntu y<br />Docker Desktop, integrado tanto en modelos locales de IA (Mistral de Ollama) a través de scripts<br />de Python, como en modelos en la nube (Claude) a través de servidores intermedios basados<br />en MCP (Model Context Protocol). Para la selección de las herramientas usadas se ha empleado<br />el método AHP (Analytic Hierarchy Process) y una comparación de prestaciones, mientras que<br />para la evaluación de la viabilidad se ha usado el análisis TELOS.<br />Finalmente, los resultados muestran que esta integración es técnicamente viable y<br />funcional, evidenciando que la IA puede mejorar la eficiencia operativa de los SOC,<br />complementando la labor de los analistas. Asimismo, se pone de manifiesto la importancia de<br />garantizar la soberanía de los datos y de asegurar la conformidad con los marcos normativos y<br />las guías técnicas aplicables.<br /><br /> Graduado en Ingeniería de Organización Industrial Derechos regulados por licencia Creative Commons 865051@celes.unizar.es 7145884 http://zaguan.unizar.es/record/169783/files/TAZ-TFG-2025-4921.pdf Memoria (spa) oai:zaguan.unizar.es:169783 driver tfg-tfm-cud trabajos-fin-grado 9 El trabajo contribuye al ODS 9 al impulsar la innovación tecnológica mediante el diseño y aplicación de sistemas de inteligencia artificial orientados a mejorar la ciberdefensa en infraestructuras críticas. Alares López, Gustavo dir. Curra Feijóo, Carlos Javier dir. Universidad de Zaragoza TAZ TFG CUD 20251208144852.CREATION_DATE deposita:2026-03-04