Efficient and scalable network architectures are essential for enterprise environments that demand reliable and high-performance connectivity. Virtual Extensible LAN (VXLAN) technology enables the encapsulation of Layer 2 traffic over Layer 3 infrastructures, while Software-Defined Networking (SDN) introduces centralized control and programmability by decoupling the control and data planes. This study presents the design and implementation of an enterprise network architecture that integrates SDN and VXLAN technologies to enhance scalability, performance, and security. The PPDIOO lifecycle methodology was adopted as a structured framework for design, deployment, and optimization. The proposed architecture was implemented and validated in a GNS3 emulated environment using OpenDaylight as the SDN controller and Open vSwitch (OVS) as the virtual switching layer. Functional testing, including connectivity verification and packet flow analysis, confirmed correct operation of VXLAN tunneling under SDN control, demonstrating the feasibility and effectiveness of the proposed model. The results highlight that the integration of SDN and VXLAN provides a flexible, programmable, and secure foundation for next-generation enterprise network infrastructures.

Este estudio emplea un Modelo de Ecuaciones Estructurales (SEM) para analizar los factores que influyen en la adopción de sistemas de IA, destacando el papel central de la confianza del usuario (β = 0.49) y la utilidad percibida (β = 0.089) como predictores clave. Los resultados validan el Technology Acceptance Model (TAM), pero amplían su marco al demostrar que la confianza actúa como mediador crítico, especialmente en contextos de incertidumbre tecnológica. La seguridad percibida mostró un efecto moderado (β = 0.23), relevante en aplicaciones sensibles, mientras que la usabilidad tuvo un impacto mínimo (β = 0.04), sugiriendo que los usuarios priorizan la fiabilidad sobre la facilidad de uso. Las variables organizacionales (ej. tamaño) tuvieron un efecto marginal, enfatizando la predominancia de factores individuales. Los hallazgos subrayan la necesidad de diseños centrados en transparencia y explicabilidad (XAI) para fortalecer la confianza y facilitar la adopción.

Este artículo investiga la capacidad del aprendizaje automático supervisado para predecir brechas de ciberseguridad en entornos empresariales. Mediante un análisis comparativo de dos modelos, la Máquina de Vectores de Soporte (SVM) y el Bosque Aleatorio (Random Forest), el estudio evalúa su eficacia en un conjunto de datos simulado que integra variables técnicas, contextuales y de comportamiento humano. Ambos modelos alcanzan una notable precisión global del 88%, aunque con fortalezas distintas: el SVM destaca por su alta sensibilidad para detectar brechas reales, mientras que el Bosque Aleatorio demuestra una consistencia y fiabilidad superiores. El hallazgo más significativo proviene del análisis de importancia de variables del Bosque Aleatorio, que revela que el factor humano —representado por la tasa de clics en phishing— es el predictor más influyente, acaparando el 42% del poder predictivo. Este supera considerablemente a los factores técnicos como la gravedad o el número de vulnerabilidades. El estudio concluye que, si bien el aprendizaje automático es una herramienta potente para la predicción, su mayor valor reside en identificar los verdaderos focos de riesgo. Por ello, se recomienda que las estrategias de ciberseguridad se reorienten para priorizar la mitigación del riesgo humano, reconociéndolo no solo como una vulnerabilidad, sino como el principal indicador predictivo de un incidente.

El estudio ofrece una exploración profunda de las percepciones y emociones de la sociedad hacia la inteligencia artificial (IA), destacando una dualidad entre el optimismo por sus aplicaciones y la preocupación por sus implicaciones. Utilizando técnicas de procesamiento del lenguaje natural para analizar una amplia gama de textos digitales y técnicas de visualización de datos para representar los hallazgos, esta investigación identifica tendencias clave y patrones en la opinión pública sobre la IA. Los resultados revelan una división en la percepción pública: por un lado, existe un entusiasmo significativo por los beneficios potenciales de la IA en sectores como la salud, la educación y la industria, reflejado en sentimientos positivos y expectativas optimistas. Por otro lado, se observa una preocupación evidente por los riesgos asociados, incluida la pérdida de empleo, problemas de privacidad y cuestiones éticas relacionadas con decisiones automatizadas. La investigación subraya la importancia de una comunicación efectiva sobre la IA que equilibre la exposición de sus beneficios y riesgos, y resalta la necesidad de políticas y estrategias educativas y regulatorias que promuevan un desarrollo tecnológico responsable. La implementación de estas medidas es crucial para alinear el avance de la IA con las expectativas y valores de la sociedad, fomentando un diálogo constructivo sobre su futuro. Este estudio aporta una contribución valiosa al entendimiento de cómo la sociedad percibe la IA, proporcionando una base para acciones informadas por parte de desarrolladores, responsables políticos y educadores. Al destacar tanto las esperanzas como las preocupaciones de la población, se enfatiza la necesidad de un enfoque equilibrado y ético en el desarrollo y la implementación de tecnologías de IA.