The creation and authentication of real users on social media requires the implementation of artificial intelligence-based technologies that can mitigate malicious behavior from automated accounts. This study presents a machine learning-based approach for detecting social bots on Twitter/X, based on the analysis of user profile features and behavioral attributes. Four classification models were evaluated: a neural network (NN), support vector machines (SVM), a random forest classifier (RF), and Extreme Gradient Boosting (XGBoost), using five-fold stratified cross-validation. To improve the performance and robustness of the classification, additional features and data balancing techniques were incorporated. The experimental results show that the neural network achieved the best overall performance, with an average accuracy of 95.6 ± 0.6%, followed by the random forest (95.0 ± 0.6%), the linear SVM (94.1 ± 1.5%) and XGBoost (94.0 ± 1.1%). These results demonstrate that the proposed methodology improves the automated detection of social bots while maintaining the interpretability of the models, which contributes to the development of more reliable and explainable security mechanisms for social media platforms.

Objetivo: El objetivo de esta investigación es desarrollar un sistema basado en tecnología Blockchain y la red Ethereum para la emisión y validación de certificados digitales en una institución de educación superior, garantizando seguridad, trazabilidad e inmutabilidad mediante contratos inteligentes. Marco teórico: La investigación se fundamenta en el uso de Blockchain como una tecnología distribuida que permite el registro transparente y seguro de transacciones, aplicando los estándares X.509 y ERC-721 para la autenticación y unicidad de los certificados digitales. Método: Se diseñó un prototipo funcional utilizando el lenguaje de programación Python, la biblioteca web3.py y la infraestructura de Ethereum. El sistema integra firmas digitales y códigos QR para facilitar la verificación en tiempo real. Resultados y discusión: Los resultados preliminares muestran un uso promedio de gas de 221,189 y un consumo de 0.00442378 ETH por transacción, con una reducción del 43% en los costos de verificación respecto a sistemas tradicionales. Esto demuestra la viabilidad técnica y económica del modelo propuesto. Implicaciones de la investigación: El sistema puede aplicarse en contextos educativos e industriales, fortaleciendo la confianza en la emisión y validación de documentos digitales. Originalidad/Valor: La propuesta contribuye al campo de la certificación digital al integrar estándares abiertos y contratos inteligentes, ofreciendo una solución escalable, segura y de bajo costo.