El Impacto de la Inteligencia Artificial en la ciberseguridad. El doble filo de la automatización en la seguridad informática
Summary
No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.
Summarise with VIRAT Free to try with your Science Catalogs account.Abstract
El trabajo comienza con una investigación sobre el impacto de los modelos de lenguaje en ciberseguridad, posteriormente mediante un experimento controlado de pentesting en un laboratorio local de OWASP Juice Shop (retos one-star). La finalidad es evaluar si un LLM puede orquestar parcialmente reconocimiento y enumeración y si aporta valor como asistente en interpretación y documentación de evidencias. La metodología usa un entorno instrumentado (Kali Linux en contenedor o VM) con herramientas habituales como Nmap, enumeración de rutas con diccionarios y escáneres web, así como un registro sistemático de conversaciones (JSON), artefactos (Markdown) y tiempos. Se comparan modelos locales (LM Studio) y un modelo en la nube (Claude) en modo autónomo y asistido (HITL), incorporando al analista sin IA. Los resultados muestran que, en autónomo, los modelos tienden a “avanzar por acumulación”: encadenan acciones, pero emergen fricciones operativas (parámetros, wildcards, timeouts) y deriva de fase, con riesgo de redundancia y sobrecarga; en la nube, la autonomía queda además condicionada por restricciones de acceso. Bajo control humano, la ejecución se estabiliza: se filtran reintentos, se ajustan parámetros con criterio experimental y la evidencia se vuelve más homogénea y comparable; el valor diferencial se concentra en la síntesis (priorización, explicación y, en Claude, medidas de remediación). De forma manual se completan 28 retos en ~53:59 (≈2:50 por reto). En conclusión, se apoya H1/H2 de forma condicionada, se refuerza H3 y se confirma H4: los LLM funcionan mejor como copilotos con supervisión humana que como agentes plenamente autónomos.
Fields of Study & Subjects
Web Application Security Vulnerabilities
Information and Cyber Security
Adversarial Robustness in Machine Learning
Publication details
- Journal / source
- O2 - Repositori Institucional (Universitat Oberta de Catalunya)
- Publication date
- 2 January 2026
- Language
- ES
- Document type
- Thesis