Metodología de prevención del cibercrimen mediante Web Scraping y procesamiento del lenguaje natural para la detección de filtraciones de datos en la Dark Web

Resumen

El presente trabajo describe una metodología basada en la captura y el procesamiento de datos filtrados que han sido puestos a la venta en la Dark Web, una zona de internet con una alta prevalencia de contenido criminal. Uno de los principales desafíos en la recopilación y procesamiento de datos críticos vendidos en la Dark Web es la volatilidad del contenido y su falta de estructura. Por esta razón, se propone una metodología basada en técnicas de Web Scraping y procesamiento del lenguaje natural (PNL) para la detección de datos sensibles publicados en el mercado negro de Internet, con el objetivo de prevenir su uso en casos de extorsión, robo de identidad, divulgación de secretos y otro tipo de ciberdelitos.El software desarrollado representa un gran avance para el bienestar social, ya que permite la monitorización y la interpretación automática de datos filtrados en la Dark Web (por ejemplo, tarjetas de crédito, números de identificación personal, etc.) salvaguardando, de esta manera, la privacidad de los individuos y los organismos afectados. Además, al proporcionar un enfoque más rápido y preciso para abordar estas amenazas, la adopción de la arquitectura propuesta en este trabajo promueve un entorno en línea más seguro para todos los usuarios.
  • Referencias
  • Cómo citar
  • Del mismo autor
  • Métricas
Al Nabki, M. W., Fidalgo, E., Alegre, E. y De Paz, I. (2017). Classifying illegal activities on Tor network based on web textual contents. En Conference of the European Chapter of the Association for Computational Linguistics (pp. 35-43). https://doi.org/10.18653/V1/E17-1004

Alneyadi, S., Sithirasenan, E. y Muthukkumarasamy, V. (2016). A survey on data leakage prevention systems. Journal of Network and Computer Applications, 62, 137-152. https://doi.org/10.1016/j.jnca.2016.01.008

Ciberprotection-magazine. (2021). Here is how hackers attacked the Oldsmar water supply – and how a catastrophe was prevented. Recuperado el 12-02-2021 de https://cyberprotection-magazine.com/here-is-how-hackers-attacked-the-oldsmar-water-supply-and-how-a-catastrophe-was-prevented

Código Penal [CP]. Art. 197. 24 noviembre de 1995 (España).

Código Penal [CP]. Art. 298. 24 de noviembre de 1995 (España).

Connolly, K., Klempay, A., McCann, M. y Brenner, P. (2023). Dark web marketplaces: Data for collaborative threat intelligence. Digital Threats: Research and Practice, 4(4), 1-12. https://doi.org/10.1145/3615666

Ewala IT Services. (2023). Karonte Fuga de Datos. https://www.karont3.tech/img/cms/Karont3%20Tendencias%202023_12%201.pdf

Gallo-Serpillo, F. y Valls-Prieto, J. (2024). Analysis of CSEM offenders on the dark web using honeypots to geolocate IP addresses from Spain. Computers in Human Behavior, 154(108137), 108137. https://doi.org/10.1016/j.chb.2024.108137

Gede, I., Rahayuda, S., Putu, N. y Santiari, L. (2017). Crawling and Cluster Hidden Web Using Crawler Framework and Fuzzy-KNN. Conference: 2017 5th International Conference on Cyber and IT Service Management (CITSM).

Guo, Z., Jin, R., Liu, C., Huang, Y., Shi, D., Supryadi, Yu, L., Liu, Y., Li, J., Xiong, B. y Xiong, D. (2023). Evaluating large language models: A comprehensive survey. arXiv [cs.CL]. http://arxiv.org/abs/2310.19736

Karabey Aksakalli, I., Çelik, T., Can, A. B. y Teki̇nerdoğan, B. (2021). Deployment and communication patterns in microservice architectures: A systematic literature review. The Journal of Systems and Software, 180(111014), 111014. https://doi.org/10.1016/j.jss.2021.111014

Lacey, D. y Salmon, P. M. (2015). It’s dark in there: Using systems analysis to investigate trust and engagement in dark web forums. En Lecture Notes in Computer Science (pp. 117-128). Springer International Publishing.

Lin, F., Liu, Y., Ebrahimi, M., Ahmad-Post, Z., Hu, J. L., Xin, J., Samtani, S., Li, W. y Chen, H. (2020). Linking personally identifiable information from the dark web to the surface web: A deep entity resolution approach. En 2020 International Conference on Data Mining Workshops (ICDMW) (pp. 488-495).

Mitchell, R. (2015). Web scraping with Python: Collecting more data from the modern web. O’Reilly Media.

Naskali, J., Rantanen, M., Rottenkolber, M. y Kimppa, K. K. (2024). Smart Ethics in the Digital World. Proceedings of the ETHICOMP 2024. Smart Ethics in the Digital World Logroño.

Nayak, S. K. y Ojha, A. C. (2020). Data leakage detection and prevention: Review and research directions. En Machine Learning and Information Processing: Proceedings of ICMLIP 2019 (pp. 203-212).

Neto, N. N., Madnick, S., Paula, A. M. G. D. y Borges, N. M. (2021). Developing a global data breach database and the challenges encountered. ACM Journal of Data and Information Quality, 13(1), 1-33. https://doi.org/10.1145/3439873

Ojoawo, A. O., Fagbolu, O. O., Olaniyan, A. S. y Sonubi, T. A. (s. f.). Data leak protection using text mining and social network analysis. Ijerd.com. Recuperado el 2-3-2025 de: http://www.ijerd.com/paper/vol10-issue12/Version_3/B10121422.pdf

Pimenta Rodrigues, G. A., Marques Serrano, A. L., Lopes Espiñeira Lemos, A. N., Canedo, E. D., Mendonça, F. L. L. de, De Oliveira Albuquerque, R., Sandoval Orozco, A. L. y García Villalba, L. J. (2024). Understanding data breach from a global perspective: Incident visualization and data protection law review. Data, 9(2), 27. https://doi.org/10.3390/data9020027

Saleem, J., Islam, R. y Kabir, M. A. (2022). The anonymity of the dark web: A survey. IEEE Access: Practical Innovations, Open Solutions, 10, 33628-33660. https://doi.org/10.1109/access.2022.3161547

Zhang, Z., He, B. y Chang, K. C.-C. (2004). Understanding Web query interfaces: Best-effort parsing with hidden syntax. En Proceedings of the 2004 ACM SIGMOD International Conference on Management of Data (pp. 107-118).
Rico Pachón, N., Gallo-Serpillo, F., & Barroso, R. (2025). Metodología de prevención del cibercrimen mediante Web Scraping y procesamiento del lenguaje natural para la detección de filtraciones de datos en la Dark Web. Ciencia Policial, 184, 87–113. https://doi.org/10.14201/cp.32279

Artículos similares

1 2 3 > >> 

También puede Iniciar una búsqueda de similitud avanzada para este artículo.

+ −