Los modelos predictivos de IA y su relación con la protección contra Amenazas Persistentes Avanzadas (APTS) en el sistema bancario de Lima, 2024

Abstract

El presente estudio tuvo como objetivo determinar la relación entre los modelos predictivos de inteligencia artificial (IA) y la protección contra amenazas persistentes avanzadas (APTs) en el sistema bancario de Lima en 2024. La metodología adoptó un enfoque cuantitativo, de tipo correlacional y diseño no experimental de corte transversal. La muestra estuvo conformada por 79 empleados en ciberseguridad pertenecientes a diversas entidades bancarias. Los datos se recopilaron mediante un cuestionario estructurado basado en la escala Likert, que evaluó las dimensiones de protección frente a APTs. Para el análisis de los datos, se utilizó el coeficiente de correlación de Spearman (ρ), complementado con tablas descriptivas y gráficos generados en Microsoft Excel. Los resultados evidenciaron correlaciones positivas significativas entre los modelos predictivos de IA y las dimensiones estudiadas, destacando un coeficiente de 0.732 para la protección general contra APTs, lo que indica una relación alta. Asimismo, se observó que estos modelos permiten una evolución constante de las herramientas de seguridad cibernética y mejoran la resiliencia frente a amenazas dinámicas. Se concluye que la implementación de modelos predictivos de IA en el sector bancario contribuye significativamente a la detección, mitigación y prevención de APTs, fortaleciendo así la seguridad cibernética en un entorno crítico.