(PUCE - Esmeraldas, 2025) Simisterra Batallas, Chrisbel Paulette; Pico Valencia, Pablo Antonio
Este estudio realiza una revisión sistemática de la literatura siguiendo el marco de trabajo
PRISMA y las directrices de Kitchenham y Charters para analizar la aplicación de las tecnologías del
Internet de las Cosas (IoT) y los modelos de aprendizaje profundo en la vigilancia de acciones violentas
y actividades delictivas en ciudades inteligentes. Se seleccionaron un total de 46 estudios publicados
entre 2010 y 2024, revelando que la mayoría de las investigaciones, principalmente de India y China,
se centran en la ciberseguridad en las redes IoT (76%), mientras que un menor número de estudios
abordan la vigilancia de la violencia física y los eventos relacionados con la delincuencia (17%). Los
modelos avanzados de redes neuronales, como las redes neuronales convolucionales (CNN), las redes
de memoria a largo plazo (LSTM) y los enfoques híbridos, han demostrado altos índices de precisión,
con una media superior al 97,32%, en la detección de comportamientos sospechosos. Estos modelos
tienen un buen rendimiento en la identificación de anomalías en la seguridad de IoT; sin embargo, se
han probado principalmente en entornos de simulación (91% de los estudios analizados), la mayoría de
los cuales incorporan datos del mundo real. Desde una perspectiva jurídica, las propuestas existentes
hacen hincapié principalmente en la seguridad y la privacidad. Este estudio contribuye al desarrollo de
ciudades inteligentes mediante la promoción de metodologías de seguridad basadas en IoT que mejoran
la vigilancia y la prevención del delito en ciudades de países en desarrollo
