http://dspace.unach.edu.ec/handle/51000/10220 2026-07-24T01:00:40Z http://dspace.unach.edu.ec/handle/51000/17256 Title: Desarrollo de estrategias de ciberseguridad para la protección de la infraestructura tecnológica de la Universidad Nacional de Chimborazo utilizando la detección y respuesta de endpoints. Authors: Machado Espinoza, Daniel Marcelo Abstract: La presente investigación desarrolla estrategias de ciberseguridad orientadas a la protección de la infraestructura tecnológica de la Universidad Nacional de Chimborazo (UNACH) mediante la implementación de tecnologías de Detección y Respuesta de Endpoints (EDR). El estudio surge ante el incremento de amenazas cibernéticas que afectan a las instituciones de educación superior, donde la amplia conectividad, el uso de dispositivos personales y la dependencia de servicios digitales incrementan la superficie de ataque y comprometen la confidencialidad, integridad y disponibilidad de la información institucional. El objetivo principal consistió en diseñar estrategias de ciberseguridad basadas en EDR para fortalecer la seguridad de la infraestructura tecnológica universitaria. La metodología aplicada contempló fases de revisión bibliográfica, análisis de la infraestructura existente, identificación de vulnerabilidades, comparación de estrategias de ciberseguridad y diseño de propuestas de seguridad. El análisis se enfocó en la red inalámbrica de la Facultad de Ingeniería de la UNACH, considerando aproximadamente 800 endpoints concurrentes distribuidos en redes segmentadas mediante VLANs. Se emplearon herramientas de software libre para pruebas de vulnerabilidad y simulación de ataques, además de la plataforma SOPHOS Central para el monitoreo y control de eventos de seguridad. Los resultados evidenciaron vulnerabilidades críticas relacionadas con contraseñas débiles, ausencia de monitoreo en tiempo real, riesgos de ataques Rogue AP, fuerza bruta y denegación de servicio. Posteriormente, la implementación de estrategias EDR permitió reducir significativamente la tasa de éxito de amenazas en los componentes de confidencialidad, integridad y disponibilidad de la triada CID. Los análisis estadísticos mediante prueba de proporciones y chi-cuadrado confirmaron que la disminución de incidentes exitosos fue estadísticamente significativa, alcanzando una reducción de hasta 49 puntos porcentuales en algunos componentes evaluados. Asimismo, el sistema SOPHOS permitió detectar y bloquear accesos a contenido no autorizado, aplicaciones de anonimización y herramientas potencialmente peligrosas, fortaleciendo la capacidad institucional de monitoreo y respuesta ante incidentes. Finalmente, se propusieron estrategias complementarias relacionadas con políticas de contraseñas seguras, autenticación multifactor, capacitación en ciberseguridad y protocolos de respuesta a incidentes, contribuyendo al fortalecimiento de la resiliencia tecnológica y operativa de la universidad. Description: This research develops cybersecurity strategies aimed at protecting the technological infrastructure of the National University of Chimborazo (UNACH) through the implementation of Endpoint Detection and Response (EDR) solutions. The study emerged in response to the increasing number of cyber threats affecting higher education institutions, where extensive connectivity, the use of personal devices, and growing dependence on digital services expand the attack surface and compromise the confidentiality, integrity, and availability of institutional information. The main objective of this research was to design EDR-based cybersecurity strategies to strengthen the university’s technological infrastructure. The research methodology comprised several phases, including literature review, analysis of the existing infrastructure, identification of vulnerabilities, comparison of cybersecurity strategies, and the design of security proposals. The study focused on the wireless network infrastructure of the Faculty of Engineering at UNACH, considering approximately 800 concurrent endpoints distributed across segmented VLAN networks. Open-source software tools were used to perform vulnerability assessments and simulated cyberattacks, while the Sophos Central platform was employed for monitoring and managing security events. The results revealed critical vulnerabilities associated with weak passwords, lack of real-time monitoring, exposure to Rogue Access Point attacks, brute-force attacks, and denial-of-service incidents. Following the implementation of EDR-based strategies, a significant reduction in successful security incidents affecting the confidentiality, integrity, and availability components of the CIA triad was observed. Statistical analyses using tests of proportions and chi-square analysis confirmed that the reduction in successful incidents was statistically significant, reaching decreases of up to 49 percentage points in some evaluated components. Additionally, the Sophos platform enabled the detection and blocking of unauthorized web content, anonymization applications, and potentially harmful tools, thereby strengthening the institution’s monitoring and incident response capabilities. Finally, complementary cybersecurity strategies were proposed, including secure password policies, multi-factor authentication, cybersecurity awareness training, and incident response protocols. These measures contribute to strengthening the university’s technological resilience and operational cybersecurity posture. 2026-07-21T00:00:00Z http://dspace.unach.edu.ec/handle/51000/17227 Title: Sistema de detección de degradación de vegetales de mayor consumo en condiciones de refrigeración en la tienda “Víveres Deysi” de la ciudad de Riobamba a través de algoritmos de Deep Learning para prevenir el desperdicio de alimentos. Authors: Pilco Llongo, Flor María Abstract: El desperdicio de alimentos constituye una problemática que genera pérdidas económicas, impactos ambientales y riesgos para la seguridad alimentaria. La presente investigación tuvo como objetivo diseñar un sistema de detección de degradación de vegetales de mayor consumo en condiciones de refrigeración en la tienda “Víveres Deysi” de la ciudad de Riobamba, mediante algoritmos de Deep Learning, con el fin de contribuir a la reducción del desperdicio de alimentos. La investigación se desarrolló bajo un enfoque cuantitativo y un diseño experimental estructurado en tres fases: análisis de las características de los vegetales y de los algoritmos de Deep Learning, implementación del sistema y evaluación de su desempeño. Para el desarrollo se empleó una Raspberry Pi 5, una cámara Módulo 3 y el algoritmo YOLOv8, seleccionado por su equilibrio entre precisión y velocidad. El sistema detectó y clasificó tomate, lechuga y aguacate en cuatro niveles de degradación, mostrando los resultados en una aplicación móvil integrada con Firebase. La validación, mediante la prueba de Chi-cuadrado de Pearson (p = 0,266), evidenció que no existen diferencias estadísticamente significativas entre la clasificación del sistema y la del observador experto, demostrando que el sistema constituye una alternativa tecnológica confiable para reducir el desperdicio de alimentos. Description: Food waste is a problem that leads to economic losses, environmental impacts, and risks to food security. This research aimed to design a system to detect the degradation of commonly consumed vegetables under refrigeration conditions at the “Víveres Deysi” store in Riobamba, using Deep Learning algorithms, with the goal of helping to reduce food waste. The study employed a quantitative approach and an experimental design structured in three phases: analysis of vegetable characteristics and Deep Learning algorithms, system implementation, and performance evaluation. A Raspberry Pi 5, a Camera Module 3, and the YOLOv8 algorithm — selected for its balance between accuracy and speed — were used for development. The system detected and classified tomatoes, lettuce, and avocados across four levels of degradation, displaying results via a mobile application integrated with Firebase. Validation using Pearson’s chi-squared test (p = 0.266) showed no statistically significant differences between the system’s classification and that of an expert observer, demonstrating that the system is a reliable technological alternative for reducing food waste. 2026-07-17T00:00:00Z http://dspace.unach.edu.ec/handle/51000/17198 Title: Prototipo traductor de lenguaje de señas para mejorar la comunicación de personas con discapacidad auditiva y de lenguaje a través del análisis del movimiento y flexión de la mano. Authors: Santi Ilbay, Jefferson Stalin; Tanqueño Castro, Ronny Fabricio Abstract: Este proyecto de investigación presenta el diseño, construcción y validación de un prototipo tecnológico portátil diseñado para la traducción de la Lengua de Señas Ecuatoriana (LSEC) a texto y voz. Con el objetivo de mitigar las barreras de comunicación de la comunidad con discapacidad auditiva y de lenguaje en el Ecuador. El hardware implementado integra sensores de flexión y unidades de medición inercial (BNO08X), los cuales son gestionados por microcontrolador ESP32-S3. Los datos movimiento y de orientación espacial se transmiten en tiempo real vía Wi-Fi a una aplicación móvil Android para el guardado y reconocimiento de gestos. Dicha plataforma ejecuta localmente una red neuronal recurrente de Memoria a Largo Corto Plazo (LSTM) optimizada en TensorFlow Lite para realizar la inferencia sin dependencia de servidores externos. En las pruebas de validación técnica, el prototipo alcanzó una precisión del 83,33%, al reconocer correctamente 10 de las 12 frases entrenadas. En la evaluación de campo, el uso del prototipo incrementó el porcentaje de efectividad desde un 11% con el método tradicional hasta un 97% de éxito global; cabe destacar que este último valor se calculó únicamente sobre las diez frases que superaron la validación técnica. El desglose de este resultado demostró que el 88,6% del éxito global es atribuible directamente a la intervención del prototipo, pues 86 de los 97 aciertos comunicativos se lograron mediante su uso. Esto representó, además, una eficacia correctiva del 96,6%, al resolver exitosamente 86 de las 89 interacciones que inicialmente no habían sido comprendidas. Este último indicador refleja la capacidad del sistema para recuperar interacciones fallidas y no debe confundirse con la precisión global del prototipo. Description: This research project presents the design, construction, and validation of a portable technological prototype that translates Ecuadorian Sign Language (LSEC) into text and speech, aiming to mitigate communication barriers for the hearing- and speech-impaired community in Ecuador. The implemented hardware integrates flex sensors and inertial measurement units (BNO08X), which are managed by an ESP32-S3 microcontroller. Motion and spatial orientation data are transmitted in real time via Wi-Fi to an Android mobile application for gesture storage and recognition. This platform locally executes a Long Short-Term Memory (LSTM) recurrent neural network optimized in TensorFlow Lite to perform inference without relying on external servers. In technical validation tests, the prototype achieved an accuracy of 83.33%, correctly recognizing 10 out of the 12 trained phrases. In the field evaluation, the use of the prototype increased the effectiveness rate from 11% using the traditional method to 97% overall success; it is worth noting that this latter value was calculated solely based on the ten phrases that passed the technical validation. The breakdown of this result demonstrated that 88.6% of the overall success is directly attributable to the prototype's intervention, as 86 out of the 97 communicative successes were achieved through its use. Furthermore, this represented a corrective efficiency of 96.6%, successfully resolving 86 out of the 89 interactions that were initially misunderstood. This final indicator reflects the system's capacity to recover failed interactions and should not be confused with the prototype's overall accuracy. 2026-07-14T00:00:00Z http://dspace.unach.edu.ec/handle/51000/17197 Title: Sistema de prevención de delitos contra vehículos estacionados aplicando procesamiento de imágenes. Authors: Moncayo Romero, Oscar Alexander Abstract: El presente trabajo describe el diseño, desarrollo e implementación de un sistema de seguridad vehicular inteligente de vigilancia perimetral basado en hardware embebido, visión artificial y redes de telecomunicaciones móviles. El sistema propuesto enfrenta al incremento de delitos que se cometen a los vehículos, proponiendo una solución que busca ser más rápida y eficiente que la vigilancia tradicional. El núcleo del sistema es una mini computadora Raspberry Pi 5, la cual controla un conjunto de sensores láser medidores de distancia, basados en tecnología de Tiempo de Vuelo (ToF), distribuidos a lo largo del vehículo. Para ahorrar energía y no saturar el procesador, el sistema funciona de forma inteligente: los sensores vigilan todo el contorno del auto en silencio y, solo cuando alguien se acerca a menos de un metro, el programa ordena que se enciendan las cámaras de video para registrar lo que está pasando. Del lado del software, las imágenes que captan las cámaras llegan al sistema, encargado de procesarlas con la ayuda de un motor de inteligencia artificial, que va analizando de forma continua lo que sucede frente al vehículo, identificando rostros y extrayendo sus rasgos más relevantes. Con esa información, el sistema compara lo que ve con las fotografías almacenadas previamente en su base de datos, lo que le permite determinar si la persona frente al vehículo es el propietario o alguien desconocido. En caso de que el sistema identifique a alguien que no está autorizado, toma de forma automática una fotografía que queda como registro del evento y, a través del módulo de comunicación celular, le envía de inmediato un mensaje de texto (SMS) al dueño del vehículo para notificarle sobre la situación. Las pruebas realizadas con el prototipo real demostraron que el proyecto es totalmente viable. El sistema midió las distancias con gran precisión, manejó los videos de las cámaras con total estabilidad y envió las alertas celulares sin fallas. Se concluye que combinar sensores de corto alcance con inteligencia artificial, es una solución confiable y eficiente para desarrollar sistemas de seguridad vehicular modernos y avanzados. Description: This work describes the design, development, and implementation of an intelligent vehicle security system for perimeter surveillance based on embedded hardware, computer vision, and mobile telecommunications networks. The proposed system addresses the rising number of crimes committed against vehicles, offering a solution that aims to be faster and more efficient than traditional surveillance methods. The core of the system is a Raspberry Pi 5 single-board computer, which controls a set of laser distance sensors based on Time-of-Flight (ToF) technology, distributed around the vehicle. To save energy and avoid overloading the processor, the system operates intelligently: the sensors silently monitor the entire perimeter of the car, and only when someone approaches within one meter does the program trigger the video cameras to start recording what is happening. On the software side, the images captured by the cameras are sent to the system, which processes them with the help of an artificial intelligence engine that continuously analyzes what is happening in front of the vehicle, identifying faces and extracting their most relevant features. Using this information, the system compares what it sees against the photographs previously stored in its database, allowing it to determine whether the person in front of the vehicle is the owner or someone unknown. If the system identifies someone who is not authorized, it automatically takes a photograph as a record of the event and, through the cellular communication module, immediately sends a text message (SMS) to the vehicle owner to notify them of the situation. Tests carried out with the real prototype demonstrated that the project is fully viable. The system measured distances with high accuracy, handled the camera video feeds with complete stability, and sent cellular alerts without failures. It is concluded that combining short-range sensors with artificial intelligence is a reliable and efficient solution for developing modern, advanced vehicle security systems. 2026-07-14T00:00:00Z