DESARROLLO DE UN CHATBOT ANTIPHISHING INTEGRADO EN PÁGINAS WEB UTILIZANDO IA Y MACHINE LEARNING

Abstract

En un contexto de creciente amenaza cibernética, el phishing sigue siendo una de las técnicas más comunes utilizadas para obtener credenciales o distribuir malware a través de URLs maliciosas. Este trabajo presenta el diseño, desarrollo e integración de una extensión de navegador para Google Chrome capaz de detectar URLs fraudulentas en tiempo real mediante un modelo de aprendizaje automático. Tras una fase de recolección y tratamiento de datos a partir de fuentes reales, se aplicaron técnicas de ingeniería de características y se compararon tres algoritmos supervisados: Random Forest, LightGBM y XGBoost. Este último ofreció el mejor rendimiento, alcanzando un recall del 93,8 % tras su optimización con Optuna y ajuste de umbral. El modelo se integra en un sistema funcional que combina una interfaz interactiva, un backend en Flask y la verificación cruzada mediante VirusTotal y Google Safe Browsing. El resultado es una solución ligera, modular y escalable que puede ser utilizada como herramienta educativa, profesional o corporativa para reforzar la ciberseguridad del usuario final frente a ataques de ingeniería social.