Mostrar el registro sencillo del ítem
Uso de la Inteligencia Artificial para potencializar el desarrollo del sector Aeronáutico Militar en un entorno de seguridad cibernética
dc.contributor.author | Vásquez Ruiz, María Carolina | |
dc.coverage.spatial | Colombia | |
dc.date.accessioned | 2025-10-07T17:00:43Z | |
dc.date.available | 2025-10-07T17:00:43Z | |
dc.date.issued | 2024 | |
dc.date.submitted | 2025 | |
dc.identifier.citation | Vásquez Ruiz, M C. (2024) Uso de la Inteligencia Artificial para potencializar el desarrollo del sector Aeronáutico Militar en un entorno de seguridad cibernética. [Capítulo de libro para optar al título Magister en Ciberseguridad y Ciberdefensa, Escuela Superior de Guerra "Rafael Reyes Prieto"]. Repositorio institucional ESDEG. | es_ES |
dc.identifier.uri | https://hdl.handle.net/20.500.14205/11671 | |
dc.description.abstract | El sector aeronáutico militar enfrenta desafíos en los campos de seguridad cibernética y eficiencia operacional en un medio ambiente global complejo. De este modo, la inteligencia artificial puede mejorar la seguridad y adaptabilidad de la infraestructura aeronáutica y de los activos aéreos militares, pero también introduce nuevas vulnerabilidades cibernéticas. Con sistemas cada vez más interconectados y en constante desarrollo incrementan la superficie de ataques cibernéticos, como infiltraciones de redes por parte de ransomware a los sistemas de control el tráfico aéreo o ejecución de ataques de DDoS en las infraestructuras aeroportuarias. En esta investigación identificará las áreas donde la IA puede traer significativos beneficios técnicos, caracterizar sus relaciones con estas áreas y reducir los riesgos cibernéticos asociados, el objetivo es garantizar la integridad y disponibilidad de los sistemas críticos. | es_ES |
dc.description.abstract | The military aeronautical sector faces challenges in the fields of cybersecurity and operational efficiency in a complex global environment. Thus, artificial intelligence can enhance the security and adaptability of aeronautical infrastructure and military air assets, but it also introduces new cyber vulnerabilities. With increasingly interconnected and constantly evolving systems, the attack surface for cyber threats expands, including network infiltrations by ransomware targeting air traffic control systems or DDoS attacks on airport infrastructure. This research aims to identify areas where AI can bring significant technical benefits, characterize its interactions with these areas, and mitigate the associated cyber risks, with the objective of ensuring the integrity and availability of critical systems. | es_ES |
dc.format.extent | 47 paginas | |
dc.format.mimetype | application/pdf | es_ES |
dc.language.iso | spa | es_ES |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.title | Uso de la Inteligencia Artificial para potencializar el desarrollo del sector Aeronáutico Militar en un entorno de seguridad cibernética | es_ES |
dc.title.alternative | Using Artificial Intelligence to enhance the development of the Military Aeronautical sector in a cybersecurity environment | es_ES |
dcterms.bibliographicCitation | American Express. (2021). La evolución de la aeronáutica con la industria 4.0. Business Class: Trends & Insights | American Express. https://www.americanexpress.com/es-mx/negocios/trends-and-insights/articles/la-evolucion-la-aeronautica-la-industria-4-0/ | es_ES |
dcterms.bibliographicCitation | Anaya, R. (2017). ¿Cómo utilizará el sector aéreo la inteligencia artificial? http://a21.com.mx/aeroespacial/2017/12/21/como-utilizara-el-sector-aereo-la-inteligencia-artificial | es_ES |
dcterms.bibliographicCitation | András, M. (2021). Command and Control of Multi-domain Operations. Hadtudomány, 31(E-szám), 12-28. https://doi.org/10.17047/HADTUD.2021.31.E.12 | es_ES |
dcterms.bibliographicCitation | Arghire, I. (2022, marzo 25). FBI: 649 Ransomware Attacks Reported on Critical Infrastructure Organizations in 2021. SecurityWeek. https://www.securityweek.com/fbi-649-ransomware-attacks-reported-critical-infrastructure-organizations-2021/ | es_ES |
dcterms.bibliographicCitation | Atkins, E., & Bradley, J. M. (2013). Aerospace Cyber-Physical Systems Education. https://doi.org/10.2514/6.2013-4809 | es_ES |
dcterms.bibliographicCitation | Bernard, D., Dorais, G., Fry, C., Gamble, E., Kanefsky, B., Kurien, J., Millar, W., Muscettola, N., Nayak, P., Pell, B., Rajan, K., Rouquette, N., Smith, B., & Williams, B. (1998). Design of the Remote Agent experiment for spacecraft autonomy. 1998 IEEE Aerospace Conference Proceedings (Cat. No.98TH8339), 2, 259-281 vol.2. https://doi.org/10.1109/AERO.1998.687914 | es_ES |
dcterms.bibliographicCitation | Castet, N. (2019). Using AI and Deep Learning for automatic defect detection. https://www.mathworks.com/company/user_stories/case-studies/airbus-uses-artificial-intelligence-and-deep-learning-for-automatic-defect-detection.html | es_ES |
dcterms.bibliographicCitation | astillo, E., Gutiérrez, J. M., & Hadi, A. S. (1997). Sistemas expertos y modelos de redes probabilısticas. Academia de Ingenierıa. https://www.ehu.eus/ccwintco/uploads/4/4c/Sistemas_Expertos_y_Modelos_de_Redes_Probabil%C4%B1sticas.pdf | es_ES |
dcterms.bibliographicCitation | CERT SysDream. (2023). Cyber Threat Landscape in the Aviation industry in 2023—SysDream. https://sysdream.com/blog/dive-into-thre-cyber-threat-landscape-in-the-aviation-industry-2023/ | es_ES |
dcterms.bibliographicCitation | Chien, S., Doyle, R., Davies, A. G., Jonsson, A., & Lorenz, R. (2006). The Future of AI in Space. IEEE Intelligent Systems, 21(4), 64-69. https://doi.org/10.1109/MIS.2006.79 | es_ES |
dcterms.bibliographicCitation | Comisión Europea. (2018). Enhance Aircraft Performance and Optimisation through utilisation of Artificial Intelligence | PERF-AI Project | Fact Sheet | H2020. CORDIS | European Commission. https://cordis.europa.eu/project/id/815914/es | es_ES |
dcterms.bibliographicCitation | Community Research and Development Information Service. (2022). Introducción de una automatización inteligente y fiable en el sector de la aviación europeo. CORDIS - European Commission. https://cordis.europa.eu/article/id/442211-bringing-intelligent-and-trustworthy-automation-to-europe-s-aviation-sector/es | es_ES |
dcterms.bibliographicCitation | Contreras, H. (2012). Teoría de la Computación para Ingeniería de Sistemas: Un. dotData. (2023). Case Study: Japan Airlines Uses Predictive Analytics to Strive for Zero Delays. dotData. https://dotdata.com/resources/case-study/case-study-japan-airlines-uses-predictive-analytics-to-strive-for-zero-delays/ | es_ES |
dcterms.bibliographicCitation | Doukidis, G. (1987). An Anthology on the Homology of Simulation with Artificial Intelligence. Journal of the Operational Research Society, 38, 701-712. https://doi.org/10.1057/JORS.1987.119 | es_ES |
dcterms.bibliographicCitation | Dufrene, W. R. (2004). Approach for autonomous control of unmanned aerial vehicle using intelligent agents for knowledge creation. The 23rd Digital Avionics Systems Conference (IEEE Cat. No. 04CH37576), 2, 12. E. 3-12.1. https://doi.org/10.1109/DASC.2004.1390846 | es_ES |
dcterms.bibliographicCitation | Dunford, R., Su, Q., & Tamang, E. (2021). The Pareto Principle. The Race. https://doi.org/10.4324/9780429333705-66 | es_ES |
dcterms.bibliographicCitation | EATM-CERT. (2021). AI as cyber-protection assistant: Aviation-related document leaks | EUROCONTROL. https://www.eurocontrol.int/solution/ai-cyber-protection-assistant-aviation-related-document-leaks | es_ES |
dcterms.bibliographicCitation | Echevarría, A. (2003). Clausewitz’s Center of Gravity: It’s Not What We Thought. Naval War College Revie, 56(1), 17. | es_ES |
dcterms.bibliographicCitation | Eikmeier, D. (2018). El centro de gravedad: ¿Aún relevante después de todos estos años? MILITARY REVIEW, Primer Trimestre. | es_ES |
dcterms.bibliographicCitation | EUROCONTROL (Director). (2021, junio 15). FLY AI #6—AI for cyber and cyber for AI [Video recording]. https://www.youtube.com/watch?v=6pNN5vK2PmE | es_ES |
dcterms.bibliographicCitation | Europair. (2024, febrero 29). El poder de la inteligencia artificial en la aviación. https://connosotroselcielo.europair.com/blog/el-poder-de-la-inteligencia-artificial-en-la-aviacion | es_ES |
dcterms.bibliographicCitation | FlightSafety. (2019). FlightSafety Introduces FlightSmart, A New Integrated Pilot Performance Evaluation And Training Tool Developed In Conjunction With IBM. FlightSafety International Media Center. https://news.flightsafety.com/pressrelease/flightsafety-introduces-flightsmart-new-integrated-pilot-performance-evaluation-training-tool-developed-conjunction-ibm/ | es_ES |
dcterms.bibliographicCitation | Flórez, J. (2013). Tracking y Multitracking Radar. Ciencia y Poder Aéreo, 8(1), Article 1. https://doi.org/10.18667/cienciaypoderaereo.9 | es_ES |
dcterms.bibliographicCitation | Flórez, J., Vargas, J., & Reina, J. (2017). Intelligent Techniques for Identification and Tracking of Meteorological Phenomena that Could Affect Flight Safety. Ciencia y Poder Aéreo, 12(1), 24-35. https://doi.org/10.18667/cienciaypoderaereo.559 | es_ES |
dcterms.bibliographicCitation | Frigo, M., Silva, E. C. C. da, & Barbosa, G. (2016). Augmented Reality in Aerospace Manufacturing: A Review. Journal of Industrial and Intelligent Information. https://doi.org/10.18178/JIII.4.2.125-130 | es_ES |
dcterms.bibliographicCitation | García Medina, M. (2021). Desarrollo Algoritmos de Inteligencia Artificial para predecir emisiones contaminantes en motores de encendido por compresión [Universitat Politècnica de València]. https://riunet.upv.es/handle/10251/169756 | es_ES |
dcterms.bibliographicCitation | Gniesko, C. (2019). Matriz del Centro de Gravedad. MILITARY REVIEW, Primer Trimestre 2019, 57-73. | es_ES |
dcterms.bibliographicCitation | Gui, G., Zhou, Z., Wang, J., Liu, F., & Sun, J. (2020). Machine Learning Aided Air Traffic Flow Analysis Based on Aviation Big Data. IEEE Transactions on Vehicular Technology, 69, 4817-4826. https://doi.org/10.1109/TVT.2020.2981959 | es_ES |
dcterms.bibliographicCitation | Harwood, S. (2022). Aviation is facing a rising wave of cyber-attacks in the wake of COVID. https://www.shlegal.com/insights/aviation-is-facing-a-rising-wave-of-cyber-attacks-in-the-wake-of-covid?28072024205445 | es_ES |
dcterms.bibliographicCitation | HEAVY.AI. (2022). What is Predictive Maintenance? Definition and FAQs | HEAVY.AI. https://www.heavy.ai/technical-glossary/predictive-maintenance | es_ES |
dcterms.bibliographicCitation | Leyva, R. (2023, agosto 3). ¿Cómo interviene la inteligencia artificial en la aviación? https://www.360aviationlife.com/inteligencia-artificial-en-la-aviacion-2/ | es_ES |
dcterms.bibliographicCitation | Lozano, C., Melo, P., Bermúdez, J., González, S., & Fuentes, S. (2023). Integración de algoritmos de inteligencia artificial en función del pronóstico de consumo de combustible en aeronaves ERJ 145 de una aerolínea colombiana. VII Congreso Argentino de Ingeniería Aeronáutica (CAIA 7)(La Plata, 29 de noviembre al 1 de diciembre de 2023). https://sedici.unlp.edu.ar/handle/10915/162503 | es_ES |
dcterms.bibliographicCitation | Mertins, K., Knothe, T., & Gocev, P. (2012). Towards CPS Based Aircraft MRO. 166-173. https://doi.org/10.1007/978-3-642-32775-9_17 | es_ES |
dcterms.bibliographicCitation | Mojica, P., Cuéllar, S., Medina, C., & Fuerza Aerea Colombiana. (2017). Boletín Tecnológico: Inteligencia artificial y control del espacio aéreo. https://www.sic.gov.co/sites/default/files/files/Propiedad%20Industrial/Boletines_Tecnologicos/IA_espacio_aereo_(30nov).pdf | es_ES |
dcterms.bibliographicCitation | Morales, N. (2015). Investigación exploratoria: Tipos, metodología y ejemplos. Recuperado de https://www. lifeder. com/investigacion-exploratoria. http://repositorio.usdg.edu.pe/bitstream/USDG/34/1/Tipos-de-Investigacion.pdf. | es_ES |
dcterms.bibliographicCitation | Moreno, J. (2019). Aprendizaje automatizado y aplicaciones. https://repositorio.unal.edu.co/handle/unal/76917. | es_ES |
dcterms.bibliographicCitation | Muscettola, N., Nayak, P., Pell, B., & Williams, B. (1998). Remote Agent: To Boldly Go Where No AI System Has Gone Before. Artif. Intell., 103, 5-47. https://doi.org/10.1016/S0004-3702(98)00068-X. | es_ES |
dcterms.bibliographicCitation | Oroumieh, M. A. A., Malaek, S., Ashrafizaadeh, M., & Taheri, S. (2013). Aircraft design cycle time reduction using artificial intelligence. Aerospace Science and Technology, 26, 244-258. https://doi.org/10.1016/J.AST.2012.05.003. | es_ES |
dcterms.bibliographicCitation | Periañez, J. L. (2023, octubre 26). Inteligencia artificial en aeronáutica. AERTEC. https://aertecsolutions.com/2023/10/26/inteligencia-artificial-en-aeronautica/. | es_ES |
dcterms.bibliographicCitation | Ramos, P. (2023, octubre 17). Inteligencia artificial en aviación para reducir emisiones de carbono. Eltiempo.es. https://www.eltiempo.es/noticias/aviones-con-inteligencia-artificial-reducir-las-emisiones-de-carbono. | es_ES |
dcterms.bibliographicCitation | Review, E. (2020, febrero 17). Indra Revolutionizes Air Traffic Control With Artificial Intelligence Remote Tower. Eurasia Review. https://www.eurasiareview.com/17022020-indra-revolutionizes-air-traffic-control-with-artificial-intelligence-remote-tower/. | es_ES |
dcterms.bibliographicCitation | Rodríguez, P. (2021). Inteligencia artificial para la administración de los Reglamentos Aeronáuticos De Colombia (RAC). Revista Estrategia Organizacional, 10(1). https://doi.org/10.22490/25392786.4551. | es_ES |
dcterms.bibliographicCitation | Romero, M. (2021). La Industria 4.0 en el sector aeronáutico. Universidad de Sevilla. https://biblus.us.es/bibing/proyectos/abreproy/93426/fichero/TFG-3426+ROMERO+CLAVIJO,+MAR%C3%8DA.pdf. | es_ES |
dcterms.bibliographicCitation | Safecore. (2023, marzo 27). Ciberseguridad en el sector Aeroespacial: Escenario, riesgos y retos de futuro | Safecore. https://safecore.io/es/industrias/ciberseguridad-en-el-sector-aeroespacial-el-escenario-futuros-riesgos-y-retos/. | es_ES |
dcterms.bibliographicCitation | Santos, J., Almeida, G., Torres, D., & Apolinarie, K. (2024). The Use of Artificial Intelligence as a National Defense Strategy. Journal of Engineering Research, 4(6). https://doi.org/10.22533/at.ed.317462423028. | es_ES |
dcterms.bibliographicCitation | Sherwood, R., Chien, S. A., Tran, D., Cichy, B., Castaño, R., Davies, A., & Rabideau, G. (2004). Preliminary results of the Autonomous Sciencecraft Experiment. 2004 IEEE Aerospace Conference Proceedings (IEEE Cat. No.04TH8720), 1, 192 Vol.1. https://doi.org/10.1109/AERO.2004.1367604. | es_ES |
dcterms.bibliographicCitation | Software Gephi. (2022). Gephi—The Open Graph Viz Platform (Versión Gephi 0.10.1 202301172018) [NetBeans IDE y NetBeans Platform; Java 11.0.17; OpenJDK 64-Bit Server VM 11.0.17+8]. Gephi. https://gephi.org/. | es_ES |
dcterms.bibliographicCitation | Sosa, C. (2023). Diseño de programa de instrucción y entrenamiento en toma de decisiones aeronáuticas para pilotos de helicópteros livianos de la Fuerza Aérea Colombiana [Escuela de Postgrados Fuerza Aérea Colombiana]. https://repositorio.crai-fac.com/handle/20.500.12963/363/browse?type=author&value=Sosa+Burgos%2C+Camilo+Israel. | es_ES |
dcterms.bibliographicCitation | Swett, B. A., Hahn, E. N., & Llorens, A. J. (2021). Designing robots for the battlefield: State of the art. Robotics, AI, and humanity: Science, ethics, and policy, 131-146. | es_ES |
dcterms.bibliographicCitation | Takemura, T. (2023). New Challenge in Predictive Maintenance Analysis for Aircraft. 4th Asia Pacific Conference of the Prognostics and Health Management, OS04-12, 3. https://doi.org/10.36001/phmap.2023.v4i1.3728. | es_ES |
dcterms.bibliographicCitation | Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, Ł. ukasz, & Polosukhin, I. (2017). Attention is All you Need. Advances in Neural Information Processing Systems, 30. https://proceedings.neurips.cc/paper_files/paper/2017/hash/3f5ee243547dee91fbd053c1c4a845aa-Abstract.html. | es_ES |
dcterms.bibliographicCitation | Vora, J., Nair, S., Gramopadhye, A., Duchowski, A., Melloy, B., & Kanki, B. (2002). Using virtual reality technology for aircraft visual inspection training: Presence and comparison studies. Applied ergonomics, 33 6, 559-570. https://doi.org/10.1016/S0003-6870(02)00039-X. | es_ES |
dcterms.bibliographicCitation | Walas, F., & Navarro, F. (2023). La Inteligencia Artificial y sus Beneficios dentro del Paradigma de la Industria 4.0. Informes de Investigación Universidad Nacional Arturo Jauretche. https://www.researchgate.net/profile/Federico-Walas-Mateo/publication/375953452_LA_INTELIGENCIA_ARTIFICIAL_Y_SUS_BENEFICIOS_DENTRO_DEL_PARADIGMA_DE_LA_INDUSTRIA_40/links/6564caf7b1398a779dbe11c4/LA-INTELIGENCIA-ARTIFICIAL-Y-SUS-BENEFICIOS-DENTRO-DEL-PARADIGMA-DE-LA-INDUSTRIA-40.pdf. | es_ES |
dcterms.bibliographicCitation | Xie, Y., Pongsakornsathien, N., Gardi, A., & Sabatini, R. (2021). Explanation of Machine-Learning Solutions in Air-Traffic Management. Aerospace, 8(224), 25. https://doi.org/10.3390/aerospace8080224. | es_ES |
datacite.rights | http://purl.org/coar/access_right/c_abf2 | es_ES |
oaire.resourcetype | http://purl.org/coar/resource_type/c_3248 | es_ES |
oaire.version | http://purl.org/coar/version/c_ab4af688f83e57aa | es_ES |
dc.audience | Público general | es_ES |
dc.contributor.tutor | Torres Guarnizo, Mauricio Antonio | |
dc.contributor.tutor | Ramírez Rojas, Álvaro Enrique | |
dc.identifier.instname | Escuela Superior de Guerra "General Rafael Reyes Prieto" | es_ES |
dc.identifier.reponame | Repositorio ESDEG | es_ES |
dc.publisher.discipline | Maestría en Ciberseguridad y Ciberdefensa | es_ES |
dc.publisher.place | Bogotá | es_ES |
dc.rights.accessrights | info:eu-repo/semantics/openAccess | es_ES |
dc.rights.cc | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | * |
dc.subject.keywords | Aprendizaje automático | es_ES |
dc.subject.keywords | Algoritmos | es_ES |
dc.subject.keywords | Aprendizaje profundo | es_ES |
dc.subject.keywords | Aeronáutica Militar | es_ES |
dc.subject.keywords | Tecnología Militar | es_ES |
dc.subject.keywords | Innovación | es_ES |
dc.subject.keywords | Amenazas cibernéticas | es_ES |
dc.subject.keywords | Machine learning | es_ES |
dc.subject.keywords | Algorithms | es_ES |
dc.subject.keywords | Deep learning | es_ES |
dc.subject.keywords | Military Aeronautics | es_ES |
dc.subject.keywords | Military technology | es_ES |
dc.subject.keywords | Innovation | es_ES |
dc.subject.keywords | Cyber threats | es_ES |
dc.type.driver | info:eu-repo/semantics/bookPart | es_ES |
dc.type.hasversion | info:eu-repo/semantics/restrictedAccess | es_ES |
dc.type.spa | Capítulo de Libro | es_ES |