Investigadores de la Universidad de Surrey han presentado un sistema de defensa basado en inteligencia artificial capaz de detectar y neutralizar ataques dirigidos a redes 5G en tiempos inferiores a una décima de segundo durante ensayos publicados en 2025. El marco, bautizado como TwinGuard, combina un gemelo digital en tiempo real y algoritmos de aprendizaje por refuerzo para anticipar y responder a intrusiones en el plano de control de las redes O‑RAN. Las pruebas, realizadas en entornos que imitan redes operativas, buscan ofrecer una capa de protección proactiva de cara a la expansión de las redes 5G y las futuras 6G. Pese a los resultados prometedores, los autores y especialistas insisten en que la automatización introduce riesgos que exigen supervisión humana y controles adicionales.

El diseño de TwinGuard se basa en una réplica virtual de la red que se actualiza cada pocos milisegundos y sirve de entorno de entrenamiento continuo para el agente de IA, que aprende a distinguir entre comportamientos legítimos y anomalías. Al combinar esta réplica viva con técnicas de aprendizaje por refuerzo, el sistema no solo identifica patrones conocidos, sino que también adapta sus respuestas a variaciones nuevas o sofisticadas que podrían pasar desapercibidas para sistemas basados únicamente en firmas. Esa capacidad de adaptación es la que, según sus creadores, permite alcanzar latencias de reacción extremadamente bajas.

En las evaluaciones mencionadas por los autores se empleó una red O‑RAN multiestación simulada junto a un núcleo 5G íntegramente virtual, controlado por IA para medir la eficacia ante ataques típicos de este tipo de infraestructuras. Los resultados mostraron que TwinGuard pudo detectar comportamientos anómalos y ejecutar contramedidas en menos de 0,1 segundos en escenarios construidos para asemejar redes comerciales. Los investigadores sostienen que estos tiempos de respuesta son cruciales para impedir que un intruso alcance elementos críticos del control de la red antes de ser bloqueado.

CONTENIDO PATROCINADO

Salado Golf & Beach Resort

Descubre la oportunidad de inversión más exclusiva del Caribe. Villas de lujo con retorno garantizado del 12% anual en Punta Cana.

Conoce más →

Frente a enfoques tradicionales basados en reglas y firmas —que reaccionan cuando un patrón ya es conocido—, la propuesta emplea una defensa proactiva y adaptable que se actualiza dinámicamente a medida que cambia el tráfico y aparecen nuevas amenazas. Este enfoque busca reducir la ventana de exposición aprovechando que el gemelo digital permite probar medidas defensivas sin poner en riesgo la infraestructura real. No obstante, esa misma complejidad plantea desafíos operativos y de confianza que los responsables deberán gestionar.

El trabajo, presentado en la conferencia IEEE TrustCom 2025, señala varias dificultades pendientes antes de llevar TwinGuard a entornos productivos: la necesidad de generar datasets de entrenamiento representativos, garantizar la interoperabilidad entre proveedores y diseñar mecanismos que protejan al propio modelo de IA frente a intentos de engaño. La posibilidad de ataques adversariales contra modelos de aprendizaje automático es un riesgo identificado que podría minimizar el beneficio de una defensa automatizada si no se adoptan contramedidas adecuadas.

Expertos en ciberseguridad consultados por la comunidad académica recuerdan que la introducción de algoritmos que toman decisiones en fracciones de segundo no elimina la responsabilidad humana. La automatización puede acelerar la mitigación de incidentes, pero también amplifica el impacto de errores de diseño o de datos de entrenamiento sesgados. Por ello, subrayan la necesidad de marcos de gobernanza, auditorías externas y capacidad de intervención manual para supervisar y corregir comportamientos inesperados.

Los responsables del proyecto plantean además la complejidad práctica de escalar la solución a redes heterogéneas y reales, donde la coexistencia de equipos de múltiples fabricantes y configuraciones dinámicas complica la réplica exacta que exige un gemelo digital eficaz. La interoperabilidad entre distintos proveedores y la adaptación a condiciones de tráfico reales son dos retos técnicos que, según los autores, requieren colaboración entre la industria, los reguladores y la comunidad investigadora. Superar esas barreras será clave para que la tecnología pueda integrarse sin romper la operativa de las operadoras.

El artículo técnico que recoge los resultados, firmado por Neha Gupta y otros autores, aporta la base metodológica y los datos de las pruebas; la investigación abre un camino para la protección de futuras generaciones de redes, pero también plantea preguntas sobre cómo asegurar la robustez y confianza de sistemas autónomos. La divulgación de estos avances en foros internacionales permite, en todo caso, avanzar hacia soluciones que combinan automatización y control humano, un equilibrio que la industria deberá afinar si quiere aprovechar las ventajas de la IA sin ceder el control a modelos vulnerables. Fuente: informe difundido por T21 y presentado en IEEE TrustCom 2025; cobertura original de Pablo Javier Piacente.