Saltar al contenido
Enrique Tomás Martínez Beltrán
InicioInvestigaciónPublicacionesDocenciaBlog
ENES
Contacto
InicioInvestigaciónPublicacionesDocenciaBlog
ENES
Contacto

Enrique Tomás Martínez Beltrán

Investigación en aprendizaje federado, IA confiable y ciberdefensa, con foco en sistemas robustos, con preservación de privacidad y útiles en operaciones de seguridad.

  • Política de privacidad
  • Términos del servicio
  • Accesibilidad
  • GitHubse abre en una pestaña nueva
  • LinkedInse abre en una pestaña nueva
  • Google Scholarse abre en una pestaña nueva
  • ResearchGatese abre en una pestaña nueva
  • ORCIDse abre en una pestaña nueva
  • Scopusse abre en una pestaña nueva
  • DBLPse abre en una pestaña nueva
  • Web of Sciencese abre en una pestaña nueva

Enrique Tomás Martínez Beltrán. Todos los derechos reservados.

Volver arriba

Este sitio carga analítica opcional de Google y proveedores externos de analítica solo si aceptas. Puedes rechazarla y seguir usando la web con normalidad.

  1. Inicio
  2. Investigación en aprendizaje federado, IA confiable y ciberdefensa
  3. Ciberseguridad y aprendizaje federado distribuido
UZH DFL SEC

Ciberseguridad y aprendizaje federado distribuido

Investigación colaborativa internacional con la Universidad de Zúrich en seguridad de DFL

Programa de intercambio internacional de investigación que investiga modelos de mitigación de amenazas para aprendizaje federado peer-to-peer.

Ciberseguridad y aprendizaje federado distribuido
Universidad de Zúrich/Nov 2025 — Ene 2026
Aprendizaje federado descentralizadoAprendizaje federado descentralizadoCiberseguridadIntrusion Detection

El proyecto de Ciberseguridad y Aprendizaje Federado Distribuido representa un programa de colaboración e intercambio internacional de investigación entre la Universidad de Murcia y la Universidad de Zúrich (UZH) (Suiza). Desarrollado entre noviembre de 2025 y enero de 2026, el intercambio de investigación tuvo lugar en el Communication Systems Group (CSG) del Departamento de Informática de la UZH, bajo la dirección del Prof. Burkhard Stiller y patrocinado por la Fundación Séneca (Región de Murcia).

Descripción del Proyecto

En escenarios transfronterizos y descentralizados con restricciones de confianza, establecer un aprendizaje colaborativo seguro requiere mecanismos robustos para identificar y aislar anomalías de origen malicioso. A medida que los participantes entrenan modelos sobre redes públicas y compartidas, deben proteger su infraestructura contra actualizaciones maliciosas, ataques a la comunicación y envenenamiento de metadatos.

Esta colaboración internacional investigó arquitecturas de mitigación de amenazas para el aprendizaje federado peer-to-peer. Combinando la experiencia de Zúrich en registros distribuidos y monitorización de reputación con la experiencia de Murcia en ciberseguridad y DFL, el proyecto exploró capas de seguridad para mitigar amenazas de red activas y clientes maliciosos.

Resultados Clave

  1. Aislamiento de Clientes Basado en Reputación: Estudio de modelos de reputación distribuidos que califican a los clientes según la calidad y validez de sus actualizaciones locales.
  2. Agregación Asistida por Registros Distribuidos: Exploración de primitivas de registros distribuidos para registrar y auditar pasos de agregación, reduciendo oportunidades de manipulación del historial compartido.
  3. Simulación de Seguridad Transfronteriza: Análisis de escenarios federados de detección de intrusiones en contextos de investigación UZH y UMU para evaluar la robustez de DFL frente a condiciones adversarias.

Este proyecto fue financiado por la UZH, la UMU y la Fundación Séneca bajo el marco de intercambio internacional de investigación. Para consultas sobre aprendizaje federado asistido por registros distribuidos o intercambios científicos internacionales en seguridad, puedes contactar conmigo en enriquetomas@um.es.

Metodología

  • Análisis colaborativo de modelos de amenazas en simulaciones federadas transfronterizas.

Métricas clave

80k€

Presupuesto del proyecto

Cofinanciado bajo el marco de investigación internacional

Equipo colaborador

University of Zurich

Socio académico receptor

Acogió el intercambio de investigación en el Communication Systems Group (CSG) bajo el Prof. Burkhard Stiller.

University of Murcia

Socio académico

Colaboró en el diseño de capas de seguridad y detección de intrusiones para la plataforma compartida.

Investigación relacionada

DEFENDIS: aprendizaje federado descentralizado para identificación y seguridad de dispositivos IoT

Abr 2023 — Nov 2023

DEFENDIS: aprendizaje federado descentralizado para identificación y seguridad de dispositivos IoT

DEFENDIS desarrolla un marco para identificar de forma distribuida dispositivos IoT y abordar amenazas de seguridad mediante aprendizaje federado descentralizado.

DATRIS: IA descentralizada para sistemas inteligentes confiables y eficientes en recursos

Ene 2024 — Dic 2024

DATRIS: IA descentralizada para sistemas inteligentes confiables y eficientes en recursos

Desarrollo de soluciones de IA descentralizada abordando restricciones computacionales y validación de confianza bajo patrocinio de armasuisse.