Últimas publicaciones
Ítem
Acceso Abierto
Diseño e implementación de un modelo de predicción de ventas con inteligencia artificial y computación cuántica
(2026-10-08) Castrillón Calderón, Wilmer Emiro; Avilán Vargas, Nicolás Guillermo
Este trabajo presenta el diseño e implementación de modelos híbridos clásico-cuánticos para la predicción de ventas mediante la integración de redes neuronales LSTM y circuitos cuánticos, con el propósito de evaluar el impacto de la incorporación de procesamiento cuántico en tareas de predicción de series temporales, se utilizaron datos reales de ventas obtenidos de la plataforma Kaggle, planteando el problema como una tarea de predicción de ventas diarias a partir del comportamiento histórico de la serie. El proyecto se desarrolló en varias etapas que incluyeron el preprocesamiento de los datos, el diseño e implementación de un modelo LSTM clásico, la incorporación de tres arquitecturas híbridas basadas en Variational Quantum Circuits (VQC), Residual Hybrid y Quantum Long Short-Term Memory (QLSTM), y la comparación de su desempeño. Los modelos fueron implementados utilizando PyTorch y PennyLane, entrenados sobre los mismos conjuntos de datos y evaluados mediante las métricas de R cuadrado y el coeficiente de correlación de Pearson. Adicionalmente, las arquitecturas VQC y Residual Hybrid fueron ejecutadas en hardware cuántico de IBM, mientras que el modelo QLSTM fue evaluado mediante simulaciones con ruido utilizando Qiskit Aer. Los resultados obtenidos muestran que los modelos híbridos clásico-cuánticos constituyen una alternativa para explorar la integración de computación cuántica en tareas de predicción de series temporales, en los experimentos realizados, la arquitectura QLSTM obtuvo el mejor desempeño en la mayoría de los productos evaluados, obteniendo mejores resultados que las arquitecturas VQC y Residual Hybrid.
Ítem
Embargo
Tesis worm defender
(2026-09-25) Lanos Camacho, Cesar Eduardo; Huertas Calle, Leonardo
El presente proyecto propone un enfoque innovador sobre los gusanos informáticos, tradicionalmente asociados con amenazas a la ciberseguridad, resignificándolos como una herramienta de defensa cibernética. La propuesta aprovecha características propias del gusano —propagación lateral, peso liviano y bajo impacto en RAM y CPU— para transformarlo en un mecanismo de alertamiento orientado a la protección de datos e infraestructura de usuarios y organizaciones. El sistema, denominado WORM Defender, implementa agentes distribuidos que interactúan con un servidor central, comparten información crítica cuando se superan los umbrales definidos por el usuario y emiten alertas inferidas a partir del comportamiento observable compatible con posibles amenazas. En su estado actual, el proyecto opera como un sistema de detección de intrusos (IDS), con una proyección futura hacia funciones de prevención (IPS) capaces de detener ataques como WannaCry, integrando finalmente ambas capacidades en una defensa activa, inteligente y coordinada dentro del entorno de red. El desarrollo se realiza en un entorno controlado donde se evalúan aspectos técnicos, éticos y operativos. Los resultados obtenidos validan la viabilidad funcional del sistema como plataforma de monitoreo distribuido y generación de evidencia auditable, sin constituir una prueba definitiva de su efectividad frente a amenazas reales en entornos productivos. Este enfoque propone nuevas alternativas para el diseño de mecanismos de ciberseguridad más dinámicos, distribuidos y resilientes.
