Revisión sobre la gestión de la seguridad en Internet de las Cosas<= /span>

Angel Alejan= dro Guerra Vilches

angelagv@uci.cu• https:/= /orcid.org/0009-0009-4306-1261

Leanny Laura Duardo Polo

leannyldp@uci.cu• https:/= /orcid.org/0009-0003-3129-0434

Marcos Antonio Llanes Martínez=

marcosalm@uci.cu • https:/= /orcid.org/0009-0002-3764-3264

Mónica = Peńa Casanova

monica@uci.cu• https:/= /orcid.org/0000-0003-2500-451

Universidad de= las Ciencias Informáticas<= o:p>

Recibido: 2025-10-28 • Aceptado: 2025-12-29

RESUMEN

La seguridad en entornos de Internet de las Cosas enfrenta desafíos críticos debido al crecimiento exponencial de dispositivos, la heterogeneidad tecnológica y la constante evolución de amenazas. El objetivo de este artículo es analizar mecanismos de protección, marcos de referencia y mod= elos de gestión aplicados a IoT mediante revisión sistemática de literatura. Se realizó una búsqueda en las bases de datos = IEEE Xplore, ACM Digital Library, ScienceDirect, SpringerLink y MDPI en el período del 2022 ha= sta el 2025, incluyendo en este trabajo 40 publicaciones luego de un proceso de cribado en cuatro fases según criterios de inclusión y exclusión predefinidos. El análisis cualitativo descriptivo-comparativo identificó subdominios prioritarios en gestión de la seguridad = IoT: privacidad, autenticación y autorización, gestión de confianza, control de políticas, detección de intrusiones, cifrado, blockc= hain, arquitecturas de confianza cero y cumplimiento normativo. Los resultados muestran que los enfoques más efectivos integran múltiples capas de protección, combinando autenticación ligera basada en atributos, detección mediante aprendizaje automático y gobernanza descentralizada. A partir de estos resultados, se concluye que la integración de enfoques técnicos, me= todológicos y normativos proporciona mayor resiliencia y trazabilidad, aunque persist= en desafíos significativos de escalabilidad, interoperabilidad y estandarización. Además, se identifican vacíos importantes en la implementación práctica a gran escala y la evaluación en entornos reales = de producción.

Palabras clave: arquitecturas de confianza cero, blockchain para IoT, co= ntrol de acceso basado en atributos, detección de intrusiones en IoT, gestión de seguridad en IoT.

ABSTRACT

Sec= urity in Internet of Things environments faces critical challenges due to the exponential growth of devices, technological heterogeneity, and the const= ant evolution of threats. The objective of this article is to analyze protect= ion mechanisms, reference frameworks, and management models applied to IoT through a systematic literature review. A search was conducted in the IEEE Xplore, ACM Digital Library, ScienceDirect, SpringerLink, and MDPI databa= ses for the period from 2022 to 2025, including 40 publications in this work after a four-phase screening process according to predefined inclusion and exclusion criteria. The qualitative descriptive-comparative analysis identified priority subdomains in IoT security management: privacy, authentication and authorization, trust management, policy control, intru= sion detection, encryption, blockchain, Zero Trust architectures, and regulato= ry compliance. The findings reveal that the most effective approaches integr= ate multiple layers of protection, combining lightweight attribute-based authentication, machine learning-based detection, and decentralized governance. Concluding that the integration of technical, methodological,= and regulatory approaches provides greater resilience and traceability, altho= ugh significant challenges of scalability, interoperability, and standardizat= ion persist. Furthermore, important gaps are identified in large-scale practi= cal implementation and evaluation in real production environments.=

Keywords: Zero Trust architectures, blockchain for IoT, attribute-based acce= ss control, intrusion detection in IoT, IoT security management.

INTRODUCCIÓN

El Internet de las Cosas (IoT) ha evolucion= ado hasta convertirse en una de las infraestructuras tecnológicas más relevantes para la transformación digital de la sociedad contemporánea. Su capacidad p= ara interconectar dispositivos, sensores, sistemas de control y aplicaciones distribuidas ha permitido optimizar procesos en sectores como la salud, el transporte, la industria manufacturera, la agricultura inteligente y las ciudades inteligentes. Sin embargo, esta expansión exponencial también ha expuesto a los entornos IoT a riesgos significa= tivos derivados de su complejidad, heterogeneidad y masificación de dispositivos,= los cuales amplían la superficie de ataque y desafían los modelos de seguridad tradicionales (Aiche, Tardif, & Erritali, 2= 024).

La gestión de la seguridad en IoT se ha convertido en un tema central de investigación, abordando desde mecanismos = de privacidad y protección de datos hasta arquitecturas de confianza, control = de acceso avanzado, detección de intrusiones y modelos de gobernanza basados e= n blockchain (Zhou et al., 2025). Estos avances buscan responder a la creciente necesidad de garantizar la confidencialidad, integridad, disponibilidad y trazabilidad de los datos que circulan en rede= s IoT, considerando además los requerimientos regulator= ios y normativos que rigen en diferentes sectores (Santos et al., 2025).

En este contexto, la literatura académica ha identificado subdominios prioritarios para la gestión de la seguridad en IoT, entre los que destacan: gestión de la privacidad, control de acceso y autenticación, autorización y registro (AAA, por sus siglas en inglés de Authentication, Authorization, and Accounting), gestión de confianza, control = de políticas mediante modelos de Lenguaje Extensible de Marcado para Control de Acceso (XACML) y Control de Acceso Basado en Atributos (ABAC), sistemas de detección de intrusiones (IDS) y gestión de amenazas, cifrado y administrac= ión de llaves criptográficas, blockchain para gober= nanza descentralizada, arquitecturas seguras basadas en modelos de confianza cero= , y alineación normativa. Cada uno de estos subdominios presenta desafíos particulares que deben ser comprendidos y atendidos mediante enfoques integrados de gestión (Dallel, Ayed, & Taha= r, 2024; Rana et al., 2023).

Diversos estudios coinciden que la seguridad en Io= T no puede abordarse únicamente mediante soluciones tecnológicas aisladas, si= no que requiere modelos de gestión que articulen políticas, mecanismos de cont= rol y marcos de referencia aplicables en entornos heterogéneos. Esto supone integrar dimensiones técnicas, organizacionales y regulatorias, lo cual imp= lica un reto tanto para investigadores como para profesionales encargados de desplegar y administrar sistemas IoT en escenar= ios reales (Jayaweera et al., 2025; Jang et al., 20= 25).

El presente artículo realiza una revisión sistemática de la literatura reciente sobre gestión de la seguridad en IoT, = con énfasis en los subdominios mencionados y su articulación con los modelos de gestión de redes y servicios. El objetivo general es analizar el estado del arte en gestión de la seguridad en Internet de las Cosas mediante revisión = de la literatura, identificando mecanismos de protección, marcos de referencia, modelos de gestión y sus principales desafíos para determinar tendencias emergentes y vacíos en la investigación actual. Para ello se definen los siguientes objetivos específicos:

1.<= span style=3D'font:7.0pt "Times New Roman"'> = Identificar los subdominios prioritarios en gestión de la seguridad IoT abo= rdados en la literatura científica reciente, analizando las vulnerabilidades más críticas y los mecanismos de protección propuestos.

2.<= span style=3D'font:7.0pt "Times New Roman"'> = Analizar los marcos y modelos de gestión de seguridad aplicados a IoT, describie= ndo sus características principales y su aplicabilidad en entornos heterogéneos= y distribuidos.

3.<= span style=3D'font:7.0pt "Times New Roman"'> = Determinar los principales desafíos técnicos, metodológicos y normativos que limitan la implementación efectiva= de soluciones de seguridad en entornos IoT.

4.<= span style=3D'font:7.0pt "Times New Roman"'> = Identificar vacíos en la investigac= ión actual y proponer líneas de investigación futuras orientadas hacia solucion= es integrales, escalables y validadas en entornos reales.

METODOLOGÍA

El presente trabajo corresponde a una revisión sistemática de litera= tura orientada a analizar la gestión de la seguridad en IoT= . El enfoque metodológico empleado es cualitativo y descriptivo-comparativo, = ya que se pretende sintetizar los principales hallazgos de investigaciones recientes y contrastarlos con las tendencias identificadas.

La recolección de datos se realizó en las bases IEEE Xplore, ACM Digital Library, ScienceDirect, SpringerLink y MDPI (Multidiscip= linary Digital Publishing Institute). Se utilizaron ca= denas de búsqueda combinando términos clave como “security management”, “IoT”, “network management”, “cybersecurity”, “threats = and vulnerabilities”, “models= ”, “framework” entre otros. Estas combinaciones permitier= on obtener un corpus inicial de 1342 publicaciones, el cual fue refinado en sucesivas fases de cribado.

Para garantizar la pertinencia de los artículos seleccionados, se establecieron los siguientes criterios:

Criterios de inclusi= ón:

·&nb= sp; Publicaciones entre 2022 y 2025.

·&nb= sp; Estudios empíricos que abordaran específicamente la gestión de la seguridad en IoT.

·&nb= sp; Artículos que aplicaran, de forma explícita o implícita, principios = de modelos de gestión de redes en el ámbito de IoT= .

·&nb= sp; Trabajos publicados en revistas indexadas o en conferencias internacionales reconocidas.

Criterios de exclusión:

·&nb= sp; Publicaciones duplicadas en diferentes bases de datos.

·&nb= sp; Documentos de carácter no científico: informes técnicos sin revisión= por pares, blogs, presentaciones comerciales.

·&nb= sp; Estudios que solo abordaran IoT desde perspectivas sin relación con la gestión o seguridad.

·&nb= sp; Trabajos puramente teóricos sin aplicación o validación práctica.

·&nb= sp; Publicaciones de acceso cerrado que impidieron su evaluación complet= a.

·&nb= sp; Otros criterios

Proceso de selección de estudios

El procedimiento de selección se desarrolló en las cuatro fases que se detallan en la Figura 1:

Figura 1. Procedimiento de selecció= n de los estudios

El análisis se realizó mediante síntesis cualitativa temática, complementada con estadísticas descriptivas para identificar áreas de mayor atención científica. La Tabla 1 presenta la distribución de los 40 estudios incluidos según subdominio prioritario.

Tabla 1. Distribución de estudios p= or subdominio de seguridad en IoT

Subdomin= io	Cantidad=	Porcient= o	Porciento acumulado
Autenticación y autorización (AAA)	9	22.5=	22.5=
Privacidad y protección de datos	7	17.5	40.0
Detección de intrusiones (IDS)	6	15.0=	55.0=
Cifrado y gestión de llaves	5	12.5	67.5
Gestión de confianza	4	10.0=	77.5=
Control de políticas (ABAC/XACML)	3	7.5	85.0
Blockchain para IoT	3	7.5<= /o:p>	92.5=
Zero Trust (confianza cero)	2	5.0	97.5
Cumplimiento normativo	1	2.5<= /o:p>	100.0

Como se observa, los tres subdominios principales (AAA, privacidad, = IDS) concentran el 55% de los estudios, mientras que Zero Trust (5.0%) y cumplimiento normativo (2.5%) presentan menor cobertura, sugiriendo oportunidades de investigación futura.

RESULTADOS Y DISCUSIÓN

Panorama general de la segurid= ad en IoT

El crecimiento del IoT ha sido exponenci= al en la última década, impulsado por la proliferación de dispositivos inteligent= es en entornos domésticos, industriales, de transporte y salud. La literatura destaca que el número de dispositivos IoT conec= tados superó los 15.9 mil millones en 2023 y se proyecta que alcance más de 32.1 = mil millones para 2030, lo que representa una expansión sin precedentes en la superficie de ataque. Este crecimiento genera una correlación directa entre= la adopción masiva y la vulnerabilidad de los sistemas, dado que cada nuevo no= do conectado introduce un posible punto de entrada para amenazas cibernéticas (Choudhary, 2024).

Las vulnerabilidades más comunes se concentran en tres niveles: dispositivos, red y aplicaciones. A nivel de dispositivos, la limitada capacidad de procesamiento y memoria restringe la implementación de mecanis= mos criptográficos robustos, mientras que en la capa de red se evidencian probl= emas relacionados con protocolos inseguros como Message Queuing Telemetry Transport (MQTT) y el Protocolo de Aplicación Restrin= gida (CoAP) en sus versiones no cifradas. Por su parte, en = la capa de aplicación persisten deficiencias en la gestión de credenciales, almacenamiento de datos en texto plano y la ausencia de actualizaciones regulares de firmware, factores que incrementan el riesgo de ataques exitos= os (Bojič Burgos & Pustišek= , 2024; Dirin, Oliver, & Laine, 2023).

Un aspecto reiterado en diversos estudios es la persistencia de contraseńas débiles o predeterminadas en dispositivos = IoT de bajo costo, lo que ha facilitado ataques masivos como el caso de la red = de bots (botnet) Mirai en 20= 16, que aprovechó esta debilidad para lanzar ataques denegación de servicio distrib= uido (DDoS) a gran escala (Harada et al., 2022). Más recientemente, se han registrado variantes orientadas a entornos IoT industriales y de salud, como Masuta y Satori, que explotan vulnerabilidades de protocolos y configuraciones inseguras (Affinito et al., 2023).

Entre los ataques más recurrentes en IoT destacan los de DDoS, de suplantación de identi= dad (spoofing), intercepción de tráfico (sniffing), inyección de código y manipulación de firmware (Wang, 2025). En particular,= los ataques DDoS se han visto potenciados por la capacidad de los atacantes de reclutar miles de dispositivos comprometidos = en botnets, generando un impacto significativo en servic= ios críticos de infraestructura. Esto pone en evidencia que la disponibilidad, = uno de los pilares de la seguridad, es una de las dimensiones más comprometidas= en IoT (Rouf et al., 2025; Rodríguez et al., 2022).=

La literatura también resalta el riesgo asociado al manejo de datos sensibles en entornos IoT, particularmente en aplicaciones de salud y transporte. Las fugas de información personal pueden derivar en robo de identidad y riesgos para la privacidad del usuario. Estos hallazgos son consistentes con la necesidad de desarrollar marcos normativo= s que regulen el almacenamiento, transmisión y procesamiento de datos en entornos heterogéneos y altamente distribuidos (Orellana et al., 2024; Salehi et al., 2023).

En cuanto a tendencias emergentes, la interconexión creciente entre IoT, computación en el borde (ed= ge computing) y 5G amplía aún más la superficie de ataque, dado que introduce nuevas dependencias tecnológicas y vectores de vulnerabilidad. Si bien estas tecnologías prometen mayor capacidad de procesamiento y latencia reducida, su integración sin mecanismos de segurid= ad adecuados puede intensificar los riesgos ya existentes en entornos IoT tradicionales (Lin, 2022; Michaelides et al., 202= 4).

En contraste, la rápida identificación de estas vulnerabilidades ha incentivado la investigación en modelos de gestión de seguridad específicos para IoT. Sin embargo, la mayoría de propuestas= aún se encuentran en fases experimentales y carecen de validación a gran escala= en entornos de producción (Shin et al., 2024). Esto limita la capacidad de las organizaciones para adoptar estrategias preventivas efectivas, evidenciando= una brecha entre el desarrollo académico y la aplicación práctica.

Principales desafíos de seguri= dad En IoT

Los desafíos de seguridad en IoT son multifacéticos y se relacionan tanto con limitaciones técnicas de los dispositivos como con la diversidad de entornos de implementación. Uno de l= os problemas más recurrentes es la confidencialidad y privacidad, debido a que muchos nodos IoT operan con procesadores de baja capacidad y memoria reducida, lo que restringe la implementación de algorit= mos criptográficos robustos (Babbar, Rani, & Shabaz, 2025; Lin et al., 2024= ). La adopción de métodos de cifrado ligero, mejora la eficiencia energética s= in comprometer excesivamente la seguridad; sin embargo, aún se observan brechas significativas cuando los dispositivos deben interoperar con sistemas más complejos basados en el protocolo de Seguridad de la Capa de Transporte (TL= S) o Seguridad de la Capa de Transporte de Datagramas (DTLS) (Höglund et al., 20= 24).

En lo que respecta a la integridad y disponibilidad, los ataques de DDoS en entornos IoT sigu= en siendo una de las principales amenazas, particularmente en arquitecturas de= red distribuidas. Además, la fragmentación del tráfico y el uso de técnicas de = spoofing continúan desafiando los mecanismos tradicio= nales de mitigación en redes IoT. En adición, la disponibilidad se ve comprometida por la limitada capacidad de los disposit= ivos para ejecutar procesos de recuperación ante incidentes, lo que genera punto= s críticos en escenarios de ciudades inteligentes o aplicaciones industriales (Yang W.= et al., 2025; Fotse et al., 2025).

La autenticación y el control de acceso representan otro desafío centra= l. Diversos estudios muestran que las credenciales predeterminadas y la ausenc= ia de gestión de identidades son responsables de la mayoría de intrusiones en dispositivos IoT (Alazab et al., 2024; Ali et al., 2022). Modelos como OAuth 2.0 o protocolos de autenticación ligeros se han propuesto como soluciones, pero su adopción ha sido parcial debido a la falta de estandarización y la dificultad de implementación en dispositivos heterogéneos (Alzahrani, 2025).

El problema de la escalabilidad y heterogeneidad es otro reto ampliamen= te discutido en la literatura. La proliferación de dispositivos con diferentes sistemas operativos, protocolos de comunicación y niveles de seguridad dificulta la aplicación de políticas unificadas. Según Chaganti (2025), esta diversidad genera problemas para la interoperabilidad segura, especialmente= en entornos donde conviven dispositivos legados con nuevas generaciones más seguras. Además, la gestión centralizada se ve limitada por la sobrecarga q= ue implica monitorear y aplicar actualizaciones a millones de nodos distribuid= os en entornos como transporte, salud y energía (Junior et al., 2025).

Un aspecto transversal es la limitación de recursos en la mayoría de dispositivos IoT. Las restricciones de energía, procesamiento y almacenamiento condicionan la adopción de mecanismos avanza= dos de seguridad. Por ejemplo, algoritmos de aprendizaje automático para detecc= ión de intrusiones requieren procesamiento en edge = o fog computing, ya que la ejecución directa en sensores es inviable. Esto abre un debate sobre la dependencia de la nube y el impacto en la privacidad, dado que los datos de= ben transmitirse a infraestructuras externas para su análisis (Nguyen et al., 2= 025; Lin et al., 2024).

Por otra parte, la fragmentación normativa y regulatoria es otro desafí= o en la gestión de la seguridad en IoT. Mientras organismos como organismos como Grupo de Trabajo en Ingeniería de Internet (IETF), Instituto Europeo de Normas de Telecomunicaciones (ETSI) y Instituto Nacional de Estándares y Tecnología (NIST= ) han desarrollado guías para la seguridad en IoT, su implementación en sectores industriales y domésticos es todavía desigual. La ausencia de estándares globales vinculantes favorece la existencia de dispositivos inseguros en el mercado, lo que amplifica los riesgos (Brancat= i et al., 2025).

La combinación de estos desafíos genera una superficie de ataque en expansión y un ecosistema con vulnerabilidades difíciles de mitigar bajo los enfoques tradicionales de ciberseguridad. El avance hacia arquitecturas distribuidas de gestión, mecanismos de autenticación descentralizados y mod= elos de confianza cero (Zero Trust) representan posibles soluciones, aunque aún = se encuentran en fases iniciales de investigación y estandarización.

= Marcos y modelos para la gestión de la seguridad en IoT

La gestión de la seguridad en entornos IoT = se ha abordado a partir de diferentes marcos conceptuales y normativos, algunos heredados de la gestión de redes tradicional y otros diseńados específicame= nte para ecosistemas distribuidos. El modelo FCAPS (Fault<= /span>, Configuration, Accounting<= /span>, Performance, Security), ampliamente utilizado en telecomunicaciones, sigue siendo un referente de partida, pues proporciona una estructura integral que permite mapear funciones de seguridad a las operaciones de administración de red. Sin embargo, FCAPS, en su forma original, resulta insuficiente para escenarios IoT caracterizados por alta heterogeneidad, movilidad y restricciones de recursos. En consecuencia, su implementación se ha adaptado reforzando el dominio de seguridad con mecani= smos de confianza y control de acceso más dinámicos (Peoples et al., 2022; Mekrache et al., 2024).

Paralelamente, han cobrado relevancia los marcos basados en políticas, = como los que implementan ABAC y su estandarización mediante XACML. Estos se valo= ran por su capacidad de aplicar controles granulares y contextuales, permitiendo administrar el acceso de forma más flexible en dispositivos de baja potenci= a. Si bien su adopción mejora la capacidad de respuesta frente a cambios contextuales, el sobrecoste computacional sigue siendo una limitación en no= dos restringidos (Shin et al., 2024; Pathak et al., 2023).

Además de FCAPS y ABAC/XACML, otros modelos han emergido específicamente para abordar los desafíos de IoT. La Tabla 1 pr= esenta una comparación de los principales marcos y mod= elos de gestión de seguridad aplicados a IoT, contra= stando su origen, características, ventajas, limitaciones y nivel de adopción actu= al. Esta comparación permite apreciar que no existe un modelo único óptimo para todos los escenarios IoT, sino que la selección apropiada depende de factores como la criticidad de la aplicación, las rest= ricciones de recursos, los requisitos regulatorios y las prioridades específicas de seguridad (confidencialidad, integridad, disponibilidad, trazabilidad).

Tabla 1. Comparación de marcos y modelos de gestión de seguridad en IoT

Marco/Modelo	Características principales	Ventajas en IoT<= /span>	Limitaciones en IoT	Nivel de adopción	Referenc= ias
FCAPS	Modelo integral: fallos, configuración, contabilidad, rendimiento y seguridad	Estructura probada, Mapeo claro de funciones, Facilita auditoría	Diseńado = para redes homogéneas, Gestión centralizada poco escalable, Requiere adaptacio= nes para la heterogeneidad IoT<= /p>	Medio (adoptado principalmente en IoT industrial con adaptaciones)	Peoples et al. (2022); Mekrache et al. (2024)=
ABAC/ XACML	Control granular basado en atributos contextu= ales (usuario, dispositivo, entorno, tiempo)	Políticas dinámicas y flexibles, Adaptación a contextos cambiantes, Control fino de permisos	Alto coste computacional, Complejidad en la definición de políticas, Sobrecarga en dispositivos muy restringidos=	Medio–Alto (aplicable en dispositivos con capacidad moderada)	Pathak et al. (2023); Shin et al. <= span lang=3DES style=3D'font-size:10.0pt;mso-fareast-font-family:"Times New Ro= man"; mso-bidi-font-family:Calibri;mso-bidi-theme-font:minor-latin;color:#3B383= 8; mso-themecolor:background2;mso-themeshade:64;mso-ansi-language:ES;mso-far= east-language: ES'>(2024)
Zero Trus= t	Verificac= ión continua, ausencia de confianza implícita, microsegmentación y privilegio mínimo	Elimina la confianza implícita, Reduce la superficie de ataque, Efectivo frente a amenazas internas	Complejid= ad operativa elevada, Requiere infraestructura de identidad robusta, Increme= nto de latencia por verificaciones repetidas	Medio (aplicable en IoT crítico con recursos sufici= entes)	Son et al. (2024); Nguyen et al. (2025)
Blockchain	Registro inmutable y descentralizado con trazabilidad y contratos inteligentes	Inmutabilidad de registros, Gobernanza descentralizada, Alta resistencia a la manipulación	Latencia elevada (≈200–500 ms adicional= es), Consumo energético alto (incremento del 30–40%), Escalabilidad limitada p= ara operaciones en tiempo real	Bajo–Medio (adecuado para auditoría y trazabilidad, no para operaciones RT)	Zhou et al. (2025); Cao et al. (2024); Dallel et al. (2024)
AAA liger= o	Autentica= ción, autorización y auditoría optimizadas para dispositivos con recursos limit= ados	Optimizado para baja capacidad, Reduce sobrecarga de autenticación, Mejora la trazabilidad	Menor robustez que protocolos completos, Requiere gestión centralizada, Vulnera= ble sin cifrado complementario	Alto (diseńado específicamente para entornos IoT)<= o:p>	Alzahrani (2025); Jang et al. (2025)
Aprendiza= je federado para IDS	Detección de intrusiones colaborativa sin centralización de datos sensibles	Preserva la privacidad de los datos, Detección distribuida y resiliente, Reduce la transferencia de datos	Requiere capacidad de procesamiento en el Edg= e, Dependencia de la calidad de los datos locales, Sincronización de modelos compleja	Medio (en expansión; dependiente de edge computing)	Yang et al. (2025); Fots= e et al. (2025); Jayaweera et al. (2025)

Como se evidencia en la Tabla 1, los marcos tradicionales como FCAPS requieren adaptaciones significativas para ser viables en IoT, mientras que enfoques más recientes como blockchain y aprendizaje federado ofrecen capacidades innovadoras pero enfrentan desafíos de madurez tecnológica y escalabilidad. La tendencia identificada en la literatura apunta hacia enfoques híbridos que combinan múltiples principios (por ejemplo, ABAC con blockchain= , o Zero Trust con aprendizaje federado) para balancear las compensaciones inherentes entre seguridad, rendimiento y escalabilidad (Malik et al., 2023; Pathak et al., 2023; Son et al., 2024).

A su vez, se observa un esfuerzo por alinear los marcos de seguridad IoT con estándares regulatorios internacionales. El cumplimiento normativo no solo depende de la implementación técnica, sino d= e la capacidad de los marcos para traducir requerimientos legales en políticas operativas y medibles. Esto refuerza la idea de que un único modelo no es suficiente; más bien se requiere un enfoque híbrido que combine varios principios como FCAPS, Zero Trust, ABAC o blockchain, articulados bajo marcos regulatorios vigentes (Malik et al., 2023; Shin et = al., 2024; Pathak et al., 2023; Son et al., 2024; Cao et al., 2024).<= /span>

Convergencias, divergencias y soluciones propuestas

El análisis de los estudios incluidos revela consensos y enfoques diferenciados en gestión de seguridad IoT. En autenticación y control de acceso existe convergencia en identificar credenciales predeterminadas como vulnerabilidad crítica (Alazab et al., 2024; Ali et al., 2022; Alzahrani, 2025). Frente a esto, emergen dos líneas: protocolos ligeros específicos que optimizan consumo energético (Alzahrani, 2025; Jang et al., 2025) versus adaptación de estándares consolidados como EDHOC y OSCORE priorizando interoperabilidad (Höglund et = al., 2024). Los protocolos ligeros ofrecen mejor rendimiento en dispositivos de = muy baja capacidad pero requieren nuevas infraestruc= turas; los estándares garantizan compatibilidad inmediata aunque pueden resultar excesivos para sensores restrictivos.

En detección de intrusiones, los autores coinciden en la efectividad del aprendizaje automático pero difieren en arquitec= turas: Yang et al. (2025) presentan técnicas híbridas validadas en redes RPL (IPv6= Routing Protocol for Low-Power and Lossy N= etworks) simuladas; Fotse et al. (2025) priorizan aprend= izaje federado en tráfico real preservando privacidad; Rodríguez et al. (2022) proponen transferencia de aprendizaje reduciendo requerimientos de datos etiquetados. Estas diferencias reflejan prioridades distintas: precisión, privacidad y eficiencia. La limitación compartida es la dependencia de datos etiquetados representativos, limitando generalización a nuevos ataques.

Respecto a blockchain, existe consenso en ventajas (trazabilidad, inmutabilidad) y limitaciones (latencia, consumo energético) (Zhou et al., 2025; Cao et al., 2024; Dall= el et al., 2024). Dallel et al. (2024) proponen arquitecturas híbridas registrando solo eventos críticos en blockchain, balanceando inmutabilidad con rendimiento, aunque requieren validación en despliegues masivos.

En Zero Trust, los estudios reconocen efectividad para reducir superfic= ie de ataque (Son et al., 2024; Nguyen et al., 2025), pero difieren en implicaciones: Son reporta mejoras en resiliencia en 6G-IoT, mientras Nguyen advierte sobre sobrecarga en aplicaciones de baja latencia. Como solución, Nguyen propone verificación adaptativa ajustando frecuencia según perfil de riesgo.

Un debate recurrente es la disyuntiva centralización/descentralización. Chaganti (2025) y Malik et al. (2023) favorecen arquitecturas distribuidas = por resiliencia y privacidad; Brancati et al. (2025) seńalan que entornos industriales regulados requieren auditoría centralizada para cumplir con certificaciones internacionales como IEC 62443 (estándar de ciberseguridad = para sistemas de automatización y control industrial) o ISO/IEC 27001 (gestión de seguridad de la información). Ambos enfoques son válidos según dominio: sectores regulados requieren trazabilidad centralizada; ciudades inteligent= es y agricultura se benefician de descentralización. Malik et al. (2023) proponen solución híbrida: gestión centralizada de políticas con ejecución descentralizada mediante contratos inteligentes.

En gestión de llaves criptográficas, los autores coinciden en la necesi= dad de algoritmos optimizados y en que distribución/revocación en redes masivas representa desafío significativo (Rana et al., 2023; Salehi et al., 2023; L= in et al., 2024). Rana propone sistemas jerárquicos específicos IoT; Salehi explora esquemas basados en identidad eliminando infraestructuras complejas de clave pública. Ambos enfoques busc= an reducir complejidad operativa aunque presentan compromisos diferentes en sobrecarga y vulnerabilidades residuales.

La Tabla 2 sintetiza estas convergencias, divergencias y soluciones propuestas en los seis subdominios analizados, evidenciando que la gestión = de seguridad IoT es un campo con debates metodológ= icos activos donde coexisten enfoques legítimos que priorizan diferentes dimensi= ones según contexto de aplicación.

Tabla 2. Síntesis de convergencias, divergencias y soluciones propuestas en gestión de seguridad IoT

Subdomin= io	Consenso identificado	Enfoques divergentes	Autores (posiciones)	Solución propuesta	Referenc= ia
Autenticación y control de acceso	Las credenciales predeterminadas constituyen una vulnerabilidad críti= ca	Protocolos ligeros específicos para IoT v= s. adaptación de estándares consolidados	Alzahrani, Jang (protocolos ligeros) vs. Höglund (estándares EDHOC/OSCORE)	Definición de perfiles de autenticación adaptativos según la capacidad del dispositivo	Höglund et al. (2024)
Detección de intrusiones	Eficacia general del aprendizaje automático para IDS en IoT	Precisión en entornos simulados vs. privacidad mediante aprendizaje federado vs. eficiencia con transferencia de aprendizaje	Yang (modelos híbridos) vs. Fotse (federa= do) vs. Rodríguez (transferencia)	Arquitecturas híbridas con detección local y refinamiento colaborativ= o	Rodríguez et al. (2022)
Blockchain	Aporta trazabilidad e inmutabilidad; penaliza latencia y consumo energético	No se identifican divergencias significativas (consenso sobre las limitaciones)	Zhou, Cao, Dallel (consenso)	Arquitecturas híbridas off-chain c= on registro en blockchain solo de eventos crític= os	Dallel et al. (2024)
Zero Trust	Reduce eficazmente la superficie de ataque	Incremento de resiliencia vs. sobrecarga en escenarios de baja latenc= ia	Son (efectividad en 6G-IoT) vs. Nguyen (impacto en latencia)	Verificación adaptativa basada en perfiles de riesgo contextual<= /o:p>	Nguyen et al. (2025)
Gestión (centralización)	Centralización y distribución son válidas según el contexto	Gestión distribuida (resiliencia, privacidad) vs. centralización (cumplimiento normativo)	Chaganti, Malik (distribuida) vs. Brancati (centralizada)<= /span>	Arquitectura híbrida: políticas centralizadas y ejecución descentrali= zada	Malik et al. (2023)
Gestión de llaves criptográficas	La distribución y revocación de llaves en redes masivas sigue siendo = un desafío abierto	Sistemas jerárquicos vs. esquemas basados en identidad sin certificad= os	Rana (jerárquicos) vs. Salehi (sin certificados)	Selección del esquema según escenario; no existe una solución univers= al	Rana et al. (2023); Salehi et al. (2023)

Como se observa en la Tabla 2, algunos subdominios presentan consenso s= obre problemas y limitaciones (blockchain), mientras= que otros evidencian enfoques genuinamente divergentes (autenticación, detecció= n, gestión). Las soluciones propuestas tienden hacia enfoques adaptativos e híbridos que balancean compensaciones inherentes.<= /p>

Síntesis de tendencias integradas

La seguridad en entornos IoT evoluciona hac= ia modelos integrados que combinan criptografía ligera, aprendizaje federado, gestión automatizada de políticas y tecnologías distribuidas. El cifrado adaptado a dispositivos con recursos limitados mejora confidencialidad, aun= que persiste vulnerabilidad ante ataques de correlación de metadatos y explotac= ión de patrones, resaltando la necesidad de combinar medidas técnicas con polít= icas de protección de datos y anonimización.

Los protocolos AAA ligeros y basados en atributos han mostrado mejoras = en gestión de identidades y control de acceso en entornos heterogéneos. La integración de auditoría y contabilidad fortalece trazabilidad de eventos críticos, aunque persisten limitaciones de escalabilidad y complejidad operativa, indicando que la adopción masiva requiere automatización avanzad= a y estandarización.

Los mecanismos de detección de anomalías basados en aprendizaje automát= ico y arquitecturas híbridas evidencian aumento en precisión frente a ataques <= span class=3DSpellE>DDoS y manipulación de firmware. La integración de an= álisis en el borde y procesamiento colaborativo mejora detección temprana y respue= sta a incidentes, aunque la dependencia de datos etiquetados de calidad puede generar falsos positivos en escenarios de alta heterogeneidad. <= /span>

La gestión automatizada de llaves criptográficas contribuye a la resiliencia, superando desafíos de provisión manual y reduciendo errores humanos. Sin embargo, la escalabilidad en entornos masivos sigue siendo des= afío donde heterogeneidad de dispositivos puede generar vulnerabilidades si no se diseńan protocolos tolerantes a errores.

Las tecnologías distribuidas y blockchain o= frecen trazabilidad, gobernanza y auditoría, mejorando confianza en entornos IoT. Las soluciones híbridas reducen latencia y consu= mo energético, aunque persisten limitaciones en revocación rápida de permisos e integración con sistemas de tiempo real.

Los principios de Zero Trust emergen como marco efectivo para verificac= ión continua, segmentación de redes y ajuste dinámico de políticas, aumentando resiliencia ante amenazas internas y externas. La aportación central es la reducción de exposición a compromisos internos, aunque la complejidad opera= tiva y necesidad de monitoreo constante en dispositivos de baja capacidad representan limitaciones.

La alineación con estándares internacionales continúa siendo desafío por fragmentación normativa y diversidad tecnológica. La integración de polític= as automatizadas, auditoría y trazabilidad mejora cumplimiento de marcos como = el Reglamento General de Protección de Datos (GDPR) u otros propuestos el NIST= , el IETF o el ETSI, fortaleciendo gobernanza y consistencia, aunque la aplicaci= ón uniforme en redes IoT distribuidas y dinámicas = sigue siendo difícil.

CONCLUSIONES

La presente revisión permitió constatar que la gestión de la seguridad = en IoT constituye un desafío multidimensional que exige soluciones técnicas, organizacionales y normativas integradas. Entre los principales aportes del trabajo se encuentra la identificación de tendencias emergentes, como la aplicación de aprendizaje federado para detección de intrusiones, blockchain para gobernanza distrib= uida y Zero Trust para minimizar superficies de ataque, que en conjunto ofrecen un marco robusto para afrontar la complejidad de los entornos IoT. Asimismo, se evidenció que los modelos actuales de gestión tienden a enfoca= rse en capas o dominios específicos, sin lograr todavía una integración práctic= a y escalable en sistemas reales.

En términos de limitaciones, los estudios revisados muestran carencias = en tres aspectos fundamentales: (i) la escalabilidad de las soluciones propues= tas en entornos de gran magnitud y heterogeneidad, (ii) la interoperabilidad en= tre dispositivos y plataformas bajo estándares comunes, y (iii) la validación empírica en contextos de producción, más allá de simulaciones o prototipos controlados.

A partir de estas brechas, se definen las siguientes líneas de investigación futura:

·&nb= sp; Escalabilidad y eficiencia energética: desarrollo de mecanismos de seguridad que sean sostenibles en dispositivos con recursos limitados, incluyendo algoritmos de cifrado y autenticación ligeros y optimizados para= IoT.

·&nb= sp; Interoperabilidad y estandarización: diseńo de marcos de gestión de seguridad que aseguren compatibilidad entre plataformas heterogéneas y garanticen cumplimiento de normativas globales.

·&nb= sp; Integración de tecnologías emergentes: evaluación práctica del potencia= l de blockchain, federated learning y Zero Trust como pilares complementarios de gobernanza y protección en IoT, priorizando cas= os de uso industriales y críticos.

·&nb= sp; Automatización y orquestación inteligente: desarrollo de arquitecturas = de gestión basadas en inteligencia artificial para la toma de decisiones autón= oma en tiempo real, particularmente en la respuesta a incidentes.

·&nb= sp; Modelos de gobernanza y cumplimiento normativo: creación de marcos regulatorios y políticas adaptativas que permitan balancear seguridad, privacidad y usabilidad, considerando regulaciones emergentes como GDPR, NI= S2 y marcos sectoriales.

·&nb= sp; Validación en entornos reales: realización de estudios longitudinales en escenarios de producción (transporte, salud, energía, ciudades inteligentes) que permitan medir la efectividad, costos y limitaciones de las soluciones propuestas.

Este artículo contribuye al campo al ofrecer una visión crítica y sistematizada de los avances y vacíos en la gestión de la seguridad IoT, orientando las futuras investigaciones hacia la integración práctica, la gobernanza distribuida y la sostenibilidad de las soluciones. De esta manera, se sientan bases sólidas tanto para la comunidad científica como para la industria en la construcción de ecosistemas IoT más confiables y resilientes.

REFERENCIAS

Peoples, C., Moore, A., Zoualfaghari, M., Kulkarni, P., & Abu-Tair, M. (2022). Chapter 24—Customizable service le= vel agreement (SLA) generator platform using FCAPS management to enhance Qualit= y of Experience (QoE) on Internet of Things (IoT). I= n J. R.Vacca (Ed.), Smart Cities Policies and Financing (pp. 335–351). Elsevier. https://doi.org/10.1016/B978-0-12-819130-9.00032-2=

<= span lang=3DIT style=3D'font-size:11.0pt;font-family:"Calibri",sans-serif;mso-as= cii-theme-font: minor-latin;mso-hansi-theme-font:minor-latin;mso-bidi-theme-font:minor-lati= n; color:#3B3838;mso-themecolor:background2;mso-themeshade:64;mso-ansi-languag= e: IT'>Mekrache,A., Ksentini,A., & Ver= ikoukis,C. (2024). Machine Learning in FCAPS: Toward Enhanced Beyond 5G Network Managem= ent. IEEE Communications Surveys & Tutorials, 26(4), 2769–2797. https://doi.org/10.1109/COMST.2024.3395414

= Aiche, A., Tardif, P.-M., & Erritali, M. (2024). Modeling Trust in IoT Systems for Drinking-Water Management. Future Internet, 16(8), 273. https://doi.org/10.3390/fi16080273<= /span>

Santos, C. E. M., Correia Filho, P. T. de J., C= anciglieri Junior, O., & Schaefer, J. L. (2025). The role of integrated information management systems in the relationship between product lifecycle management= and Industry 4.0 technologies and market performance. Sustainability, 17(12), 5= 260. https://doi.org/10.3390/su17125260

Zhou, H., Gao, H., Ma, Z., & Lai, G. (2025). Blockchain-based trusted data management with privacy preservation for secure IoT systems. Sensors, 25(14), 4344. https://doi.org/10.3390/s25144344<= /span>

= Dallel, O., Ayed, S. B., & Tahar, J. B. H. (2024). Blockchain-based authorization mechanism for educational social Internet of Things. IEEE Acc= ess, 12, 42888–42907. https://doi.org/10.1109/ACCESS.2024.3379300

Rana, M., Mamun, Q., & Islam, R. (2023). Enhancing IoT Security:= An Innovative Key Management System for Lightweight Block Ciphers. Sensors, 23(18), 7678. https://doi.org/10.3390/s23187678

Jayaweera, R., Agrawal, H., & Karie, N. M. (2025). Federated Security for Privacy Preservation of Healthcare Data in Edge-Cloud Environments. Sensors, 25(16), 5108. https://doi.org/10.3390/s25165108=

Jang, H., Choi, J., Son, S., Kwon, D., & Park, Y. (2025). Provab= ly Secure and Privacy-Preserving Authentication Scheme for IoT-Based Smart Farm Monitoring Environment. Electronics, 14(14), 2783. https://doi.org/10.3390/electronics14142783

Choudhary, A. (2024). Internet of Things: a comprehensive overview, architectures, applications, simulation tools, challenges and future directions. Discover Internet of Things, 4(1), 31. https://doi.org/10.1007/s43926-024-00084-3

= Bojič Burgos, J., & Pustišek, M. (2024). Decentralized IoT Data Authentication with Signature Aggregation. Sensors, 24(3), 1037. https://doi.org/10.3390/s24031037

Dirin, A., Oliver, I., & Laine, T. H. (2023). A Security Framewo= rk for Increasing Data and Device Integrity in Internet of Things Systems. Sensors, 23(17), 7532. https://doi.org/10.3390/s23177532<= /span>

Harada, R., Tanaka, K., Suzuki, Y., & Nakamura, H. (2022). Quick suppression of DDoS attacks by frame priority control in IoT backhaul with construction of Mirai-based attacks. IEEE Access, 10, 22392–22399. https://doi.org/10.1109/ACCESS.2022.3153067

Affinito, A., Zinno, S., Stanco, G., Botta, A., & Ventre, G. (2023). The evolution of Mirai botnet scan= s over a six-year period. Journal of Information Security and Applications, 79, 103629. https://doi.org/10.1016/j.jisa.2023.103629=

Wang, S. (2025). Network security protection model of electric power information system based on hierarchical weight pruning algorithm optimizing OD-CNN algorithm. Journal of Cyber Security and Mobility, 14(3), 673–700. https://doi.org/10.13052/jcsm2245-1439.1437

Rouf, M. A., Silvia, A. R., Roy, M. K., Das, S. K., & Chaity, S. K. (2025). Proposing a framework to prevent Distributed Denial of Service (DDoS) attacks on IoT devices. Proceedings of= the 3rd International Conference on Computing Advancements (ICCA ’24), 1066–107= 3. Association for Computing Machinery. https://doi.org/10.1145/3723178.372331= 9

Rodríguez, E., Valls, P., Otero, B., Costa, J. J., Verdú, J., Pajuel= o, M. A., & Canal, R. (2022). Transfer-Learning-Based Intrusion Detection Framework in IoT Networks. Sensors, 22(15), 5621. https://doi.org/10.3390/s22155621

Orellana, C., Cereceda-Balic, F., Solar, M., & Astudillo, H. (20= 24). Enabling Design of Secure IoT Systems with Trade-Off-Aware Architect= ural Tactics. Sensors, 24(22), 7314. https://doi.org/10.3390/s24227314

Salehi Shahraki, A., Lauer, H., Grobler, M., Sa= kzad, A., & Rudolph, C. (2023). Access Control, Key Management, and Trust for Emerging Wireless Body Area Networks. Sensors, 23(24), 9856. https://doi.org/10.3390/s23249856

Lin, T.-W. (2022). A Privacy-Preserved ID-Based Secure Communication Scheme in 5G-IoT Telemedicine Systems. Sensors, 22(18), 6838. https://doi.org/10.3390/s22186838

Michaelides, S., Mucke, J., & Henze,= M. (2025). Assessing the Latency of Network Layer Security in 5G Networks. In = 18th ACM Conference on Security and Privacy in Wireless and Mobile Networks (pp. 262–267). ACM. https://doi.org/10.1145/3734477.3734722

Nguyen, P., Nguyen, H.-H., Phung, P., Truong, H.-L., & Cheung, T. (2025). Advanced context-sensitive access management for edge-driven IoT da= ta sharing as a service. ACM Transactions on Internet Technology, 25(2), Artic= le 9, 1–31. https://doi.org/10.1145/3721430

Lin, H.-Y., Tsai, T.-T., Ting, P.-Y., & Chan, P.-C. (2024). CL-S= ML: Secure certificateless signature with message linkages for IoT-based fog computing environments. Proceedings of the 2023 5th International Conferenc= e on Big-Data Service and Intelligent Computation (BDSIC ’23) (pp. 9–15). Association for Computing Machinery. https://doi.org/10.1145/3633624.363362= 6

Shin, S., Park, M., Kim, T., & Yang, H. (2024). Architecture for Enhancing Communication Security with RBAC IoT Protocol-Based Microgrids. Sensors, 24(18), 6000. https://doi.org/10.3390/s24186000<= /span>

Babbar, H., Rani, S., & Shabaz, M. (2025). Federated learning wi= th enhanced cryptographic security for vehicular cyber-physical systems. Scientific Reports, 15, 28593. https://doi.org/10.1038/s41598-025-14341-0

Höglund, R., Tiloca, M., Selander, G., Mattsson, J. P., Vučinić, M., & Watteyne= , T. (2024). Secure communication for the IoT: EDHOC and (group) OSCORE protocols. IEEE Access, 12, 49865–49877. https://doi.org/10.1109/ACCESS.2024.3384095

Yang, W., Wang, X., Zhang, Z., Chen, S., Hou, C., & Luo, S. (202= 5). Intrusion detection using hybrid Pearson correlation and GS-PSO optimized random forest technique for RPL-based IoT. IEEE Access, 13, 78320–78334. https://doi.org/10.1109/ACCESS.2025.3566368

= Fotse, Y. S. N., Tchendji, V. K., & Velempini, M. (2025). Federated learning based DDoS a= ttacks detection in large scale software-defined network. IEEE Transactions on Computers, 74(1), 101–115. https://doi.org/10.1109/TC.2024.3474180

Ali, W., Din, I. U., Almogren, A., &= Kim, B. S. (2022). A Novel Privacy Preserving Scheme for Smart Grid-Based Home A= rea Networks. Sensors (Basel, Switzerland), 22(6), 2269. https://doi.org/10.3390/s22062269

= Alazab, M., Awajan, A., Alazzam, H., Wedyan, M., Alshawi, B., & A= lturki, R. (2024). A Novel IDS with a Dynamic Access Control Algorithm to Detect and Defend Intrusion at IoT Nodes. Sensors (Basel, Switzerland), 24(7), 2188. https://doi.org/10.3390/s24072188

Yang, Z., Chen, X., He, Y., Liu, L., Che, Y., Wang, X., Xiao, K., &a= mp; Xu, G. (2024). An attribute-based access control scheme using blockchain technology for IoT data protection. High-Confidence Computing, 4(3), 100199. https://doi.org/10.1016/j.hcc.2024.100199

Alzahrani, N. (2025). A verifiably secure and lightweight device-to-device (D2D) authentication protocol for the resource-constrained= IoT networks. IEEE Access, 13, 92982–92996. https://doi.org/10.1109/ACCESS.2025.3568692

Chaganti, K. C. (2025). A scalable, lightweight AI-driven security framework for IoT ecosystems: Optimization and game theory approaches. IEEE Access, 13, 72235–72247. https://doi.org/10.1109/ACCESS.2025.3558623

Junior, N. F., Silva, A. A. A. d., Guelfi, A. E., Ueda, E. T., & Kofuji, S. T. (2025). FedSe= nsor: Federated learning framework f= or secure sensor-based IoT at the extreme edge. IEEE Access, 13, 136945–136969. https://doi.org/10.1109/ACCESS.2025.3595490

Brancati, F., Mongelli, D., Mariotti, F., Ceccarelli, A., Bondavalli, A., & Buonanno, L. (2025). A cybersec= urity risk assessment methodology for industrial automation control systems. International Journal of Information Security, 24(1), 76. https://doi.org/10.1007/s10207-025-00990-9

Pathak, A., Al-Anbagi, I., & Hamilto= n, H. J. (2023). TABI: Trust-based ABAC mechanism for Edge-IoT using blockchain technology. IEEE Access, 11, 36379–36398. https://doi.org/10.1109/ACCESS.2023.3265349

Son, S., Kwon, D., Lee, S., Kwon, H., & Park, Y. (2024). A zero-trust authentication scheme with access control for 6G-enabled IoT environments. IEEE Access, 12, 154066–154079. https://doi.org/10.1109/ACCESS.2024.3484522

Cao, Y., Li, J., Chao, K., Xiao, J., & Lei, G. (2024). Blockchain meets generative behavior steganography: A novel covert communication frame= work for secure IoT edge computing. Chinese Journal of Electronics, 33(4), 886–8= 98. https://doi.org/10.23919/cje.2023.00.382

Yang, Y.-C., Lu, K.-F., Chen, Y.-X., & Tsay, R.-S. (2025). Ensur= ing GDPR compliance in IoT network with a glass box security guard system. IEEE Transactions on Privacy, 2, 27–40. https://doi.org/10.1109/TP.2025.3546854<= o:p>

Malik, V., Mittal, R., Mavaluru, D., Narapureddy, B. R., Goyal, S. B., Martin, R. J., Srinivasan, K., & Mittal, A. (2023). Building a secure platform for dig= ital governance interoperability and data exchange using blockchain and deep learning-based frameworks. IEEE Access, 11, 70110–70131. https://doi.org/10= .1109/ACCESS.2023.3293529

<= o:p>

E= sta obra está bajo una licencia de Creative Commons Atribución-No Comercial 4= .0 Internacional