Nace en Murcia en 1998. En 2020 obtiene el Grado de Ingeniería Informática por la Universidad de Murcia. A continuación cursa el Máster Universitario en Nuevas Tecnologías en Informática en la Universidad de Murcia obteniendo el título de máster en el año 2021. Además, ha obtenido una beca de formación práctica en el ámbito de actividades de I+D+i de la Universidad de Murcia destinada a la investigación y desarrollo de sistemas adversariales en entornos de Cyber Range entre los años 2019-2021. En noviembre del 2020, se incorporó al proyecto CyberBrain: Cybersecurity in BCI for advanced driver assistance, cuyo objetivo es diseñar e implementar un framework capaz de detectar los ciberataques que afectan al ciclo de vida de la BCI (Brain-Computer Interface). Un año después, se asoció al proyecto europeo VALKYRIES centrado en el desarrolo e integración de capacidaes para dar respuestas de emergencia en escenarios de múltiples víctimas. Posee publicaciones científicas en revistas relevantes de carácter internacional. Domina la lengua española y tiene conocimientos de la lengua inglesa.
Con un número cada vez mayor de usuarios, dispositivos y aplicaciones, combinado con el aumento inmensurable de datos, muchos de los cuales son sensibles o confidenciales, mantener unos sistemas seguros y confiables son necesarios en cualquier sector actual. El creciente volumen de ciberataques, unido a una sofisticación cada vez mayor en los procesos maliciosos por parte de atacantes cibernéticos agravan aún más el problema. Una estrategia de ciberseguridad sólida proporciona una buena postura de robustez contra ataques maliciosos diseñados para acceder, alterar, eliminar o destruir a los sistemas y a los datos confidenciales de una organización o usuario.
En este sentido, los sistemas de AI basados en el aprendizaje automático y profundo (ML/DL) están adquiriendo cada vez más relevancia como sistemas automáticos capaces de detectar ciberataques y apoyar a los humanos durante los procesos de toma de decisiones y aplicación de contramedidas. Entre sus características, mantienen capacidades intuitivas y predictivas en la detección de amenazas desconocidas dentro del área de ciberseguridad. A pesar de ello, en algunos escenarios como el militar o el sanitario, la imposibilidad de compartir datos sensibles con entidades centrales, en muchos casos, por el cumplimiento de la RGPD en términos de privacidad, manipulación y transferencia de información sensible, o la capacidad limitada de recursos en ciertos dispositivos, hacen que los enfoques tradicionales de aprendizaje automático no sean aplicables.
El objetivo principal de la Tesis Doctoral es crear modelos robustos de aprendizaje federado utilizados en distintos escenarios IoT (militar, médico, conducción) para detectar ciberataques que afecten a diferentes dispositivos. Este tipo de aprendizaje propone trasladar el proceso de entrenamiento del modelo desde la entidad central (como propone inicialmente el aprendizaje automático y profundo tradicional) a los dispositivos donde se generan o adquieren los datos.
Ingeniería de la Información y las Comunicaciones
Sistemas Inteligentes y Telemática
Director: Manuel Gil Pérez
Doctorado en Informática
01/03/2022
En desarrollo
