GENERADOR DINÁMICO DE LABORATORIOS DE CIBERSEGURIDAD ORQUESTADO POR INTELIGENCIA ARTIFICIAL MEDIANTE MODEL CONTEXT PROTOCOL
Abstract
La escasez mundial de profesionales cualificados en ciberseguridad plantea un desafío crítico que el ámbito académico debe resolver. No obstante, la enseñanza práctica basada en la simulación de infraestructuras corporativas (Cyber Ranges) a menudo resulta insostenible por sus elevados costes de despliegue, la dificultad de diseñar entornos dinámicos y la extrema carga docente que supone auditar individualmente las prácticas de cada estudiante.
El presente Trabajo de Fin de Grado aborda y resuelve este problema mediante el diseño y desarrollo de Crysol, una plataforma generadora de laboratorios dinámicos orquestada por Inteligencia Artificial. Se propone una arquitectura agnóstica basada en el estándar emergente Model Context Protocol (MCP) que permite a un Agente de Lenguaje de Gran Escala (LLM) actuar de forma autónoma. Mediante el uso de descriptores en texto plano (Skills), el sistema interpreta las vulnerabilidades a enseñar, aprovisiona la topología de red interactuando remotamente con el motor de emulación GNS3 y evalúa al alumno de forma asíncrona.
La principal innovación de Crysol reside en su enfoque Purple Team. La plataforma valida el éxito del alumno como atacante (Red Team) y, paralelamente, exige la resolución integral de la brecha de seguridad. Para ello, el estudiante debe adoptar el rol defensivo (Blue Team), aplicando técnicas de bastionado (hardening) y modificando directamente las configuraciones de red de los equipos para parchear la vulnerabilidad de origen, momento en el que la IA extrae la telemetría y audita la mitigación aplicada.
Los resultados empíricos, apoyados por una interfaz Full-Stack interactiva (Reflex), muestran un comportamiento robusto frente a técnicas evasivas como las inyecciones de prompt, gracias a una estrategia de defensa en profundidad. Esto democratiza el diseño de laboratorios complejos sin requerir que el profesorado domine la automatización de redes, optimizando la evaluación y favoreciendo el aprendizaje inmersivo.
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Rey Juan Carlos
URL external
External URL
DOI
Date
Description
Trabajo Fin de Grado leído en la Universidad Rey Juan Carlos en el curso académico 2025/2026. Directores/as: César Cáceres Taladriz
Citation
Collections
Endorsement
Review
Supplemented By
Referenced By
Document viewer
Select a file to preview:
Reload

