ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(1196)
http://www.aulavirtual.web.ve
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(1197)
http://www.aulavirtual.web.ve
REVISTA CIENTÍFICA
AULA VIRTUAL
Director Editor:
La Revista seriada Científica Arbitrada e Indexada
Aula Virtual, es de acceso abierto y en formato
electrónico; la misma está orientada a la
divulgación de las producciones científicas creadas
por investigadores en diversas áreas del
conocimiento. Su cobertura temática abarca
Tecnología, Ciencias de la Salud, Ciencias
Administrativas, Ciencias Sociales, Ciencias
Jurídicas y Políticas, Ciencias Exactas y otras áreas
afines. Su publicación es CONTINUA, indexada y
arbitrada por especialistas en el área, bajo la
modalidad de doble ciego. Se reciben las
producciones tipo: Artículo Científico en las
diferentes modalidades cualitativas y cuantitativas,
Avances Investigativos, Ensayos, Reseñas
Bibliográficas, Ponencias o publicaciones
derivada de eventos, y cualquier otro tipo de
investigación orientada al tratamiento y
profundización de la información de los campos de
estudios de las diferentes ciencias. La Revista Aula
Virtual, busca fomentar la divulgación del
conocimiento científico y el pensamiento crítico
reflexivo en el ámbito investigativo.
• Dra. Leidy Hernández PhD.
• Dr. Fernando Bárbara
Consejo Asesor:
• MSc. Manuel Mujica
• MSc. Wilman Briceño
• Dra. Harizmar Izquierdo
• Dr. José Gregorio Sánchez
Revista Científica Arbitrada de
Fundación Aula Virtual
Email: revista@aulavirtual.web.ve
URL: http://aulavirtual.web.ve/revista
ISSN:
Depósito Legal:
País:
Año de Inicio:
Periodicidad:
Sistema de Arbitraje:
Licencia:
Volumen:
Número:
Año:
Período:
Dirección Fiscal:
2665-0398
LA2020000026
Venezuela
2020
Continua
Revisión por pares. “Doble Ciego”
Creative Commons CC BY NC ND
7
14
2026
Enero 2026 - Junio 2026 (continua)
Av. Libertador, Arca del Norte, Nro.
52D, Barquisimeto estado Lara,
Venezuela, C.P. 3001
Generando Conocimiento
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(1198)
http://www.aulavirtual.web.ve
Tipo de Publicación: Articulo Científico
Recibido: 18/04/2026
Aceptado: 19/05/2026
Publicado: 26/05/2026
Código Único AV: e732
Páginas: 1(1196-1215)
DOI: https://doi.org/10.5281/zenodo.20411727
Autores:
Pablo Enrique Mazuelos-Soldevilla
Ingeniero Industrial
https://orcid.org/0000-0002-7856-8785
E-mail: pabmazueloss@upt.pe
Afiliación: Universidad Privada de Tacna
País: República del Perú
Percy Dario Mazuelos-Soldevilla
Ingeniero Comercial
Maestro en Contabilidad, Tributación y Auditoria
https://orcid.org/0000-0001-9678-3326
E-mail: permazuelos@upt.pe
Afiliación: Universidad Privada de Tacna
País: República del Perú
Rosa Mardely Roque Lanchipa
Contadora Pública, mención en Auditoría
Magíster en Dirección de Personas
https://orcid.org/0000-0001-9661-280X
E-mail: rroquel@upt.pe
Afiliación: Universidad Privada de Tacna
País: República del Perú
Carlos Augusto Lobatón Gutiérrez
Contador Público
Magister en Administración
https://orcid.org/0000-0001-8936-270X
E-mail: carlos.lobaton@unmsm.edu.pe
Afiliación: Universidad Nacional Mayor de San
Marcos
País: República del Perú
Resumen
La digitalización acelerada de los servicios financieros y la expansión de la
banca móvil han incrementado la exposición del sector bancario a fraudes,
ataques cibernéticos, filtraciones de datos y decisiones automatizadas opacas.
En este escenario, la inteligencia artificial se ha convertido en una herramienta
estratégica para fortalecer la ciberseguridad, aunque su adopción plantea
desafíos regulatorios, éticos y operativos que requieren análisis sistemático. El
objetivo de este artículo fue identificar y clasificar los marcos regulatorios
existentes a nivel global que abordan el uso de inteligencia artificial en la
ciberseguridad del sector financiero y evaluar su aplicabilidad específica a
plataformas de banca móvil. Se desarrolló un artículo de revisión sistemática
siguiendo criterios de búsqueda, selección y síntesis de literatura científica
especializada, organizada según marcos regulatorios, aplicabilidad móvil,
desafíos éticos y brechas jurisdiccionales. Los resultados evidenciaron que los
marcos existentes se agrupan en estándares de ciberseguridad, normas de
protección de datos, esquemas de cumplimiento financiero y enfoques
emergentes de gobernanza algorítmica. Sin embargo, su aplicación a banca
móvil sigue siendo parcial, especialmente frente a biometría, autenticación
adaptativa, IA generativa, datos conductuales y proveedores tecnológicos. Se
concluye que la banca móvil requiere una gobernanza regulatoria integrada,
adaptable y transfronteriza.
Palabras Clave
Inteligencia artificial, ciberseguridad financiera,
marcos regulatorios, banca móvil, gobernanza
algorítmica.
Abstract
The accelerated digitalization of financial services and the expansion of mobile
banking have increased the banking sector’s exposure to fraud, cyberattacks,
data breaches, and opaque automated decisions. In this context, artificial
intelligence has become a strategic tool for strengthening cybersecurity,
although its adoption raises regulatory, ethical, and operational challenges that
require systematic analysis. The objective of this article was to identify and
classify existing global regulatory frameworks that address the use of artificial
intelligence in cybersecurity within the financial sector and to assess their
specific applicability to mobile banking platforms. A systematic review article
was developed following criteria for the search, selection, and synthesis of
specialized scientific literature, organized according to regulatory frameworks,
mobile applicability, ethical challenges, and jurisdictional gaps. The results
showed that existing frameworks are grouped into cybersecurity standards, data
protection regulations, financial compliance schemes, and emerging approaches
to algorithmic governance. However, their application to mobile banking
remains partial, particularly in relation to biometrics, adaptive authentication,
generative AI, behavioral data, and technology providers. It is concluded that
mobile banking requires integrated, adaptable, and cross-border regulatory
governance.
Keywords
Artificial intelligence, financial cybersecurity, regulatory
frameworks, mobile banking, algorithmic governance.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(1199)
http://www.aulavirtual.web.ve
Introducción
La ciberseguridad en el sector financiero se
configuró como un campo de análisis en permanente
transformación, debido a la digitalización
progresiva de los servicios bancarios y al aumento
de amenazas cibernéticas más complejas. Oyeniyi et
al., (2024) señalaron que los marcos tradicionales de
ciberseguridad, aunque cumplieron una función
inicial relevante, resultaron cada vez menos
suficientes frente a ataques sofisticados, por lo que
plantearon la necesidad de adoptar estructuras más
flexibles, adaptativas y apoyadas en tecnologías
emergentes.
En este escenario, la inteligencia artificial
(IA) adquirió un papel estratégico en la protección
de los sistemas financieros digitales. Faraji et al.,
(2024) evidenciaron que las técnicas de IA, entre
ellas el aprendizaje automático y el aprendizaje
profundo, contribuyeron a mejorar la detección de
fraudes y la defensa frente a ciberataques en
transacciones financieras. De forma
complementaria, Vučinić & Luburić (2022)
sostuvieron que las innovaciones fintech generaron
beneficios relevantes para el sistema financiero,
pero también incorporaron riesgos que exigieron
marcos regulatorios y mecanismos de supervisión
más precisos. Por ello, los autores destacaron la
importancia de reducir el riesgo cibernético
mediante la adopción de instrumentos legales
adecuados.
Las investigaciones recientes aportaron
elementos importantes para comprender la relación
entre IA, ciberseguridad y regulación financiera.
Waliullah et al., (2025), mediante una revisión
sistemática de 78 artículos basada en la metodología
PRISMA, evidenciaron que el cumplimiento de
regulaciones internacionales, como GDPR, PSD2 y
GLBA, fortaleció la seguridad bancaria digital. Sin
embargo, también identificaron dificultades
persistentes para equilibrar protección tecnológica,
facilidad de uso y cumplimiento normativo.
Por su parte, Eskandarany (2024), a través de
entrevistas cualitativas aplicadas a directivos
bancarios saudíes, identificó que las tecnologías de
IA ofrecieron beneficios relevantes en la detección
de amenazas y la prevención de fraudes. No
obstante, el estudio también reveló barreras
asociadas con infraestructura tecnológica limitada,
preocupaciones éticas sobre privacidad de datos y
posibles sesgos algorítmicos. En una línea similar,
Udeh et al., (2024) analizaron la incorporación de
IA en medidas de ciberseguridad para plataformas
financieras sostenibles, concluyendo que las
soluciones basadas en IA fortalecieron la resiliencia
frente a amenazas cibernéticas, aunque exigieron
criterios éticos y garantías sólidas de privacidad
durante su implementación.
Pese a los avances identificados, la literatura
mostró vacíos relevantes que justificaron el
desarrollo de la presente investigación. Kamuangu
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(1200)
http://www.aulavirtual.web.ve
(2025) evidenció que las infraestructuras actuales de
ciberseguridad no siempre avanzaron al mismo
ritmo que la adopción acelerada de tecnologías
emergentes. Esta situación resultó más crítica en
regiones en desarrollo, donde los marcos
regulatorios presentaron limitaciones para proteger
adecuadamente los datos de los consumidores.
Asimismo, Oyewole et al., (2024) señalaron
que la relación entre fintech y las normas de
privacidad de datos expuso un “trilema de
innovación”, en el cual la expansión tecnológica
entró en tensión con la integridad del mercado y la
claridad regulatoria. Esta situación permitió advertir
la falta de marcos específicos orientados al uso de
IA en plataformas bancarias móviles. De manera
concordante, Ali et al., (2024) confirmaron que,
aunque la IA y el aprendizaje automático fueron
incorporados progresivamente como herramientas
de mitigación en la ciberseguridad fintech, todavía
persistió la necesidad de afrontar desafíos
regulatorios, técnicos y organizacionales para que
estas tecnologías desarrollaran plenamente su
potencial. En ese sentido, se identificó una carencia
de marcos regulatorios integrados y específicos para
la banca móvil.
Ante los vacíos identificados, el presente
artículo de revisión sistemática tuvo como objetivo
identificar y clasificar los marcos regulatorios
existentes a nivel global que abordan el uso de
inteligencia artificial en la ciberseguridad del sector
financiero, así como analizar su aplicabilidad
específica a las plataformas de banca móvil.
Metodología
La presente investigación adopta un enfoque
de revisión sistemática de la literatura, siguiendo las
directrices del protocolo PRISMA (Preferred
Reporting Items for Systematic Reviews and Meta-
Analyses), el cual constituye un estándar
metodológico ampliamente reconocido para
garantizar la transparencia, reproducibilidad y rigor
en la identificación, selección y síntesis de estudios
relevantes.
La búsqueda se realizó en la base de datos
Scopus, empleando la siguiente cadena booleana:
(("artificial intelligence" OR "machine learning"
OR "deep learning") AND ("cybersecurity" OR
"cyber security" OR "information security") AND
("regulatory framework" OR "regulation" OR
"compliance" OR "governance" OR "ethical" )
AND ("banking" OR "financial sector" OR
"fintech" OR "mobile banking"))
Para orientar la revisión sistemática, se
formularon las siguientes preguntas de
investigación: PI1: ¿Cuáles son los marcos
regulatorios existentes a nivel global que abordan el
uso de inteligencia artificial en ciberseguridad del
sector financiero? PI2: ¿En qué medida estos
marcos regulatorios contemplan disposiciones
específicas aplicables a plataformas de banca
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(1201)
http://www.aulavirtual.web.ve
móvil? PI3: ¿Cuáles son los principales desafíos
éticos identificados en la literatura respecto a la
implementación de IA en ciberseguridad bancaria
móvil? PI4: ¿Qué brechas regulatorias se identifican
entre las diferentes jurisdicciones en relación con la
gobernanza de la IA aplicada a la ciberseguridad de
servicios financieros móviles?
Se seleccionó Scopus como base de datos
principal debido a que constituye una de las fuentes
bibliográficas más exhaustivas y
multidisciplinarias, con amplia cobertura de
publicaciones en ciencias computacionales,
finanzas y regulación, lo cual permite capturar la
intersección temática entre IA, ciberseguridad y
marcos regulatorios del sector financiero.
La estrategia de búsqueda se fundamentó en la
combinación de palabras clave derivadas del
objetivo de investigación, organizadas en cuatro
bloques temáticos: a) inteligencia artificial
(artificial intelligence, machine learning, deep
learning); b) ciberseguridad (cybersecurity, cyber
security, information security); c) regulación y ética
(regulatory framework, regulation, compliance,
governance, ethical); y d) sector financiero y banca
móvil (banking, financial sector, fintech, mobile
banking)
Criterios de inclusión
Criterios de exclusión
Artículos publicados entre
2019 y 2026.
Estudios fuera del periodo
2019-2026.
Artículos originales y
revisiones en revistas
indexadas con revisión por
pares.
Actas, capítulos, tesis,
informes, editoriales y
cartas al editor.
Publicaciones en idioma
inglés.
Publicaciones en idiomas
distintos al inglés.
Estudios sobre IA aplicada a
autenticación biométrica o
detección de fraude en banca
móvil.
Estudios sin aplicación
específica en banca móvil o
servicios financieros
móviles.
Estudios con métricas de
rendimiento o análisis de
limitaciones.
Estudios teóricos sin
métricas ni evaluación de
limitaciones.
Artículos con texto completo
disponible.
Artículos sin acceso al texto
completo.
Estudios con rigor
metodológico suficiente.
Estudios con baja calidad
metodológica.
Tabla 1. Criterios de inclusión y exclusión
La aplicación sistemática de estos criterios de
inclusión y exclusión, junto con el protocolo
PRISMA, garantiza la reproducibilidad del proceso
de selección y la calidad de la evidencia sintetizada,
elementos fundamentales para una revisión
sistemática rigurosa orientada a identificar y
clasificar los marcos regulatorios globales sobre IA
en ciberseguridad financiera y su aplicabilidad a la
banca móvil (Ver Figura 1).
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(1202)
http://www.aulavirtual.web.ve
Figura 1. Flujograma del método PRISMA
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(1203)
http://www.aulavirtual.web.ve
Resultados
Autor
Marco o enfoque regulatorio
Aporte
Al Batayneh et
al., (2021)
ISO 27002, ISO 27014, COBIT,
FFIEC, ISACA e ISGF
Los marcos de gobernanza de seguridad funcionan como instrumentos
preventivos para evaluar controles, auditoría, supervisión y madurez
institucional antes de adoptar IA en bancos.
Bui (2026)
Normativa vietnamita sobre
ciberseguridad, datos, AML/CFT y
banca digital
Propone una trazabilidad normativa que transforma obligaciones
legales en controles auditables para IA, ciberseguridad, datos y banca
en línea.
Chitimira &
Ncube (2021)
Cybercrimes Bill, ECTA, RICA,
POPIA y política nacional de
ciberseguridad
Evidencia que los marcos tradicionales resultan insuficientes si no
incorporan IA y 5G para prevenir ciberdelitos financieros.
Kumari (2026)
GDPR, CCPA, PSD2, PIPL, DPDPA
y LGPD
La gobernanza de IA en banca digital exige articular privacidad,
autenticación, protección de datos, trazabilidad y cooperación
regulatoria.
Mota Makore
(2024)
Modelos regulatorios de IA de la
Unión Europea, Reino Unido y
Sudáfrica
La regulación de IA debe equilibrar inclusión financiera,
responsabilidad, ciberseguridad y prevención de exclusión algorítmica.
Nadella et al.,
(2025)
NIST CSF, ISO/IEC 27001,
privacidad diferencial y cifrado
Integra estándares clásicos con IA generativa, datos sintéticos y
detección adaptativa para fortalecer privacidad y ciberseguridad
empresarial.
Sayari et al.,
(2025)
Políticas de IA, protección del
consumidor y gobernanza de riesgos
Los marcos regulatorios deben asegurar transparencia, control humano,
mitigación de sesgos y estabilidad del sistema financiero.
Ullah et al.,
(2024)
Gramm-Leach-Bliley Act, FISMA,
CISA, FS-ISAC y políticas bancarias
globales
La regulación bancaria requiere capacitación, cooperación
internacional, MFA, blockchain e IA para enfrentar amenazas
emergentes.
Tabla 2. Marcos regulatorios sobre IA y ciberseguridad financiera
Autor
Aplicación en banca móvil/digital
Aporte
Al-Dosari et al.,
(2024)
IA para phishing, fraude, DDoS,
KYC, chatbots y ciberdefensa
multicanal
La banca móvil requiere reglas específicas para IA defensiva,
privacidad, gestión de terceros y protección frente a ataques
adversariales.
Asmar & Tuqan
(2024)
ML, IDS, IPS, fraude, ransomware,
phishing y amenazas internas
Las plataformas digitales exigen gobernanza algorítmica,
autenticación, cifrado, monitoreo continuo y respuesta en tiempo real.
Dasari & Kaluri
(2024)
ML jerárquico para clasificación de
ataques DDoS
La disponibilidad de la banca móvil depende de IDS robustos,
modelos predictivos y mecanismos de continuidad operativa.
Ilyasov (2025)
MFA en la nube, OAuth 2.0,
FIDO2, biometría y MFA
adaptativo
La banca móvil necesita autenticación fuerte, interoperabilidad cloud,
biometría y estándares técnicos de seguridad.
Manta et al.,
(2025)
ATMs, chatbots, robo-advisors,
RPA, IA y banca por internet
La automatización bancaria combina componentes físicos y digitales,
por lo que requiere regulación diferenciada sobre datos, fraude y
atención automatizada.
Parveen et al.,
(2025)
IA, ML, fintech, open banking,
blockchain, RPA y banca móvil
La banca móvil opera como ecosistema digital integrado donde IA y
automatización intervienen en crédito, fraude, cumplimiento y
servicio al cliente.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(1204)
http://www.aulavirtual.web.ve
Autor
Aplicación en banca móvil/digital
Aporte
Shahzadi et al.,
(2025)
Gamificación, e-banking, phishing,
malware, APTs y monitoreo con IA
La seguridad de banca digital debe incorporar formación del usuario,
detección conductual y prevención personalizada.
Udayakumar et
al., (2023)
Deep Fraud Net para fraude
financiero y amenazas digitales
Las plataformas móviles requieren modelos adaptativos capaces de
reducir falsos positivos y responder a patrones dinámicos de fraude.
Tabla 3. Aplicabilidad regulatoria a banca móvil y digital
Autor
Desafío ético central
Implicancia
Alnaabi & Al
Mahruqi (2026)
Ambigüedad regulatoria, explicabilidad
limitada e infraestructura heredada
La banca móvil puede generar decisiones automatizadas
opacas y difíciles de auditar en fraude, autenticación o control
de amenazas.
Alrafi & Mishra
(2024)
Privacidad, transparencia,
responsabilidad y justicia algorítmica
El perfilamiento de clientes y la detección automatizada de
fraude requieren salvaguardas sobre datos personales y
financieros.
Garad et al., (2024)
Seguridad de datos, cumplimiento y
gobernanza de información
La innovación financiera debe incorporar privacidad,
trazabilidad y gobernanza ética, no solo eficiencia tecnológica.
Gaviyau & Godi
(2025)
Ética de datos, ciberseguridad,
regulación y sistemas heredados
Banking 5.0 exige responsabilidad institucional ante decisiones
automatizadas, billeteras digitales y servicios inteligentes.
Matlala (2026)
Calidad de datos, ciberseguridad,
brechas regulatorias y capacidades
técnicas
La GenAI puede mejorar chatbots y fraude, pero también
amplifica sesgos, errores, exposición de datos y exclusión
digital.
Rodríguez-Barboza
et al., (2024)
Privacidad, sesgo algorítmico,
ciberseguridad y acceso equitativo
La combinación IA-nube aumenta riesgos por dependencia de
proveedores, almacenamiento remoto y uso masivo de datos
financieros.
Sung et al., (2026)
Seguridad de información, gobernanza
AIoT y sostenibilidad
La integración de IA, IoT y big data exige controles internos,
transparencia operativa y alineación organizacional.
Vdovichena et al.,
(2025)
Vulnerabilidades de IA, ataques
adversariales y políticas adaptativas
La IA debe evaluarse tanto como herramienta defensiva como
posible fuente de nuevos riesgos en ciberseguridad bancaria.
Tabla 4. Desafíos éticos en IA para ciberseguridad bancaria móvil
Autor
Brecha identificada
Interpretación
Alazzam et al.,
(2026)
Diferencias de madurez normativa
entre EAU y Jordania
La gobernanza de IA depende de regulación, ciberresiliencia,
capacidad institucional y confianza digital.
Aysan et al., (2024)
Desigualdad institucional en riesgo,
AML/CFT, datos y cumplimiento
Las brechas regulatorias son también metodológicas e
institucionales, no solo normativas.
Fahimifar &
Momenzadeh (2025)
Desfase entre seguridad tradicional e
IA, ML, fintech y aprendizaje federado
La literatura avanza hacia detección inteligente de fraude más
rápido que los marcos regulatorios.
Leelavathi et al.,
(2024)
Brecha entre banca tradicional y
plataformas cripto
Los entornos cripto tienen riesgos descentralizados y
regulación menos homogénea frente a la banca tradicional.
Maashi et al., (2023)
Desfase entre modelos deep learning y
auditoría regulatoria
La detección algorítmica de fraude requiere explicabilidad,
supervisión y evaluación de calidad de datos.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(1205)
http://www.aulavirtual.web.ve
Autor
Brecha identificada
Interpretación
Nefla & Jellouli
(2025)
Brechas éticas, regulatorias, de
ciberseguridad, sesgo e inclusión
La gobernanza requiere estándares globales, control de sesgos,
seguridad de sistemas descentralizados y coordinación
internacional.
Sujadmiko et al.,
(2025)
Brecha entre jurisdicciones offshore y
onshore
La trazabilidad digital, IA y cooperación internacional son
necesarias para superar secreto bancario y vacíos regulatorios.
Tabla 5. Brechas regulatorias sobre gobernanza de IA y ciberseguridad financiera
Discusión de resultados
Los hallazgos de esta revisión sistemática
evidenciaron que la regulación del uso de
inteligencia artificial en la ciberseguridad del sector
financiero se encuentra en una fase de consolidación
fragmentada. Los estudios analizados no mostraron
un único marco normativo global, sino una
combinación de estándares de seguridad de la
información, leyes de protección de datos, normas
de cumplimiento financiero, políticas de
gobernanza tecnológica y propuestas emergentes de
regulación algorítmica.
Esta configuración permitió identificar cuatro
ejes principales: los marcos de ciberseguridad y
gobernanza institucional; las normas de privacidad
y protección de datos; los mecanismos técnicos
aplicables a banca móvil; y las brechas regulatorias
derivadas de la desigual madurez normativa entre
jurisdicciones.
En primer lugar, los resultados mostraron que
los marcos tradicionales de seguridad de la
información siguen siendo la base de la
ciberseguridad bancaria. Instrumentos como ISO
27002, ISO 27014, COBIT, FFIEC, NIST
Cybersecurity Framework e ISO/IEC 27001 fueron
identificados como referencias recurrentes para
evaluar controles, auditoría, gestión de riesgos,
supervisión directiva y madurez institucional. Este
resultado coincide con Al Batayneh et al., (2021),
quienes sostuvieron que los marcos de gobernanza
de seguridad pueden utilizarse para evaluar la
preparación institucional de los bancos antes de
incorporar tecnologías avanzadas.
Asimismo, converge con Nadella et al.,
(2025), quienes indicaron que los estándares
clásicos mantienen relevancia, pero deben
complementarse con técnicas de IA generativa,
privacidad diferencial, cifrado y detección
adaptativa de anomalías. Esta convergencia sugiere
que la regulación bancaria no está siendo sustituida
por la IA, sino reconfigurada por ella. Sin embargo,
la diferencia principal radica en que los marcos
tradicionales fueron diseñados para riesgos
relativamente estructurados, mientras que los
sistemas de IA operan sobre patrones dinámicos,
datos masivos y amenazas adaptativas. Por ello, su
aplicación directa a banca móvil resulta limitada si
no se incorporan exigencias sobre explicabilidad,
monitoreo continuo, trazabilidad algorítmica y
supervisión humana.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(1206)
http://www.aulavirtual.web.ve
En segundo lugar, la revisión identificó que
las normas de protección de datos constituyen el
principal puente regulatorio entre IA,
ciberseguridad financiera y banca móvil. Marcos
como GDPR, CCPA, PSD2, PIPL, DPDPA, LGPD
y GLBA fueron recurrentes en la literatura por su
relación con privacidad, consentimiento, seguridad
de datos, autenticación fuerte y responsabilidad
institucional.
Este hallazgo coincide con Kumari (2026),
quien señaló que la protección de datos en sistemas
financieros digitales exige integrar regulación,
ciberseguridad, blockchain, cifrado, IA y
responsabilidad del usuario. También se relaciona
con Ullah et al., (2024), quienes destacaron que la
banca global enfrenta riesgos de phishing,
ransomware, amenazas internas e incumplimiento
regulatorio, por lo que requiere políticas de
seguridad robustas, cooperación internacional y
tecnologías avanzadas.
No obstante, el presente estudio permite
precisar que la banca móvil incrementa la
complejidad regulatoria porque concentra datos
financieros, biométricos, conductuales, geográficos
y transaccionales en dispositivos personales. En
consecuencia, la regulación de datos no debería
limitarse a la protección formal de la información,
sino incluir controles sobre el ciclo de vida del dato,
el uso de modelos predictivos, la minimización de
datos y la intervención de terceros tecnológicos.
En tercer lugar, se observó que la
aplicabilidad específica de los marcos regulatorios a
plataformas de banca móvil continúa siendo parcial.
Los estudios revisados mostraron una fuerte
orientación técnica hacia autenticación multifactor,
biometría, OAuth 2.0, FIDO2, detección de fraude,
ciberdefensa multicanal, protección frente a DDoS,
sistemas IDS/IPS y monitoreo conductual. Ilyasov
(2025) sostuvo que la integración de MFA en
aplicaciones móviles mejora la seguridad y la
usabilidad cuando se apoya en servicios cloud,
biometría y autenticación adaptativa.
De manera complementaria, Asmar & Tuqan
(2024) indicaron que la banca digital requiere
modelos de machine learning, cifrado y monitoreo
continuo para enfrentar phishing, ransomware,
fraude y amenazas internas. Asimismo, Dasari &
Kaluri (2024) demostraron que los modelos
jerárquicos de machine learning pueden fortalecer la
clasificación de ataques DDoS, lo cual resulta
crítico para la disponibilidad de plataformas
financieras móviles. Estos hallazgos coinciden en
reconocer que la banca móvil requiere controles
técnicos específicos; sin embargo, divergen en el
tratamiento regulatorio de dichos controles.
Mientras la literatura técnica se concentró en
precisión, rendimiento o capacidad de detección, la
literatura jurídica abordó con menor profundidad la
auditoría de modelos, la explicabilidad, la
responsabilidad por falsos positivos y la gobernanza
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(1207)
http://www.aulavirtual.web.ve
de proveedores. Esta diferencia revela una brecha
entre innovación técnica y madurez regulatoria.
En cuarto lugar, los resultados mostraron que
la implementación de IA en ciberseguridad bancaria
móvil plantea desafíos éticos relevantes. Los
problemas más recurrentes fueron privacidad,
explicabilidad, sesgo algorítmico, transparencia,
rendición de cuentas, calidad de datos, exclusión
digital y dependencia de infraestructura tecnológica.
Alrafi & Mishra (2024) señalaron que la IA
mejora la detección de fraude y la gestión de
amenazas, pero requiere proteger los datos del
consumidor y asegurar decisiones algorítmicas
responsables. De forma similar, Alnaabi & Al
Mahruqi (2026) identificaron barreras asociadas con
ambigüedad regulatoria, infraestructura heredada,
escasez de capacidades y gobernanza ética. Estos
resultados convergen con Matlala (2026), quien
sostuvo que la IA generativa puede transformar los
servicios financieros africanos mediante chatbots,
personalización y eficiencia operativa, aunque
también puede ampliar riesgos de ciberseguridad,
sesgo, baja calidad de datos y exclusión.
La contribución de la presente revisión
consiste en contextualizar estos desafíos en la banca
móvil, donde las decisiones automatizadas se
ejecutan en tiempo real, con alto volumen de datos
sensibles y bajo una interacción directa con usuarios
que no siempre comprenden el funcionamiento de
los sistemas inteligentes.
En quinto lugar, la revisión permitió
identificar brechas regulatorias entre jurisdicciones.
Alazzam et al., (2026) mostraron diferencias de
madurez normativa entre Emiratos Árabes Unidos y
Jordania respecto a IA, IoT y ciberseguridad
financiera. Mota Makore (2024) sostuvo que
Sudáfrica requiere un marco regulatorio específico
para IA que permita promover inclusión financiera
sin descuidar responsabilidad, ciberseguridad y
protección frente a riesgos algorítmicos.
Por su parte, Bui (2026) propuso para
Vietnam un marco de evaluación de riesgos que
transforma obligaciones legales sobre
ciberseguridad, AML/CFT, datos y banca digital en
controles auditables. Estos estudios coinciden en
que la regulación de IA en finanzas depende de la
capacidad institucional y del nivel de desarrollo
normativo de cada país.
Sin embargo, divergen en su énfasis: algunos
priorizan inclusión financiera, otros cumplimientos
técnicos y otra madurez legal comparada. Esta
diversidad confirma que la gobernanza global de IA
en ciberseguridad financiera aún carece de
armonización suficiente, especialmente cuando se
analiza su aplicación a servicios móviles
transfronterizos.
En sexto lugar, las brechas regulatorias no
solo aparecieron entre países, sino también entre
sectores financieros. Leelavathi et al., (2024)
evidenciaron diferencias entre la banca tradicional y
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(1208)
http://www.aulavirtual.web.ve
las plataformas de criptomonedas en materia de
amenazas, prevención, detección y respuesta.
Sujadmiko et al. (2025) mostraron que la banca
offshore, el secreto bancario y la recuperación de
activos presentan retos adicionales para la
trazabilidad digital, aun cuando herramientas como
IA, machine learning y blockchain analytics pueden
apoyar la detección de flujos ilícitos.
Estos resultados convergen con Nefla &
Jellouli (2025), quienes identificaron que las
tecnologías emergentes en finanzas generan
oportunidades para eficiencia e inclusión, pero
también riesgos de ciberseguridad, sesgo
algorítmico, fragmentación regulatoria y
sostenibilidad. En este punto, la banca móvil se
configura como un espacio híbrido: opera dentro del
sistema financiero regulado, pero comparte riesgos
con fintech, plataformas digitales, servicios cloud,
APIs abiertas y ecosistemas descentralizados.
Otro hallazgo relevante fue el desfase entre la
velocidad de avance de los modelos técnicos de IA
y la capacidad regulatoria para auditarlos. Maashi et
al., (2023) y Udayakumar et al., (2023) propusieron
modelos avanzados de deep learning para detección
de fraude financiero, con altos niveles de
rendimiento predictivo. No obstante, estos estudios
abordaron de manera limitada aspectos como
explicabilidad, sesgo, responsabilidad, protección
de datos y supervisión ex post.
Este resultado coincide con Fahimifar &
Momenzadeh (2025), quienes identificaron una
transición temática desde la seguridad de la
información tradicional hacia IA, machine learning,
fintech, aprendizaje federado y detección inteligente
de fraude. La implicancia central es que la
regulación debe avanzar desde el cumplimiento
documental hacia una gobernanza algorítmica
verificable, capaz de auditar datos, modelos,
decisiones automatizadas, proveedores tecnológicos
y resultados operativos.
En términos generales, los resultados
permitieron responder al objetivo de la revisión al
identificar y clasificar los marcos regulatorios
existentes en cuatro categorías: marcos de
ciberseguridad y seguridad de la información;
normas de protección de datos y privacidad; marcos
de gobernanza, cumplimiento y ética de IA; y
enfoques sectoriales vinculados con banca digital,
fintech, banca móvil y servicios financieros
transfronterizos. La principal contribución analítica
radica en demostrar que la aplicabilidad de estos
marcos a banca móvil no es automática.
Las plataformas móviles requieren una
regulación más específica debido a su dependencia
de autenticación biométrica, procesamiento en
tiempo real, modelos de detección de fraude, datos
conductuales, infraestructura cloud, proveedores
externos y canales multiactor. Por ello, una
gobernanza adecuada de IA en banca móvil debe
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(1209)
http://www.aulavirtual.web.ve
integrar seguridad técnica, protección de datos,
supervisión algorítmica, control humano,
transparencia, gestión de terceros y cooperación
internacional.
La primera limitación se relaciona con la
delimitación documental. La revisión se centró en
artículos científicos indexados y disponibles a texto
completo, por lo que pudo excluir guías
regulatorias, circulares supervisoras, estándares
técnicos, documentos de bancos centrales e
informes institucionales no indexados. Esta
restricción puede limitar la comprensión de
regulaciones recientes que todavía no han sido
suficientemente tratadas en la literatura académica.
La segunda limitación corresponde a la
heterogeneidad metodológica de los estudios
incluidos. La muestra integró estudios jurídicos,
revisiones sistemáticas, análisis bibliométricos,
propuestas conceptuales y modelos técnicos
experimentales. Esta diversidad enriqueció la
interpretación, pero impidió una comparación
homogénea sobre efectividad regulatoria o impacto
empírico de los marcos identificados.
La tercera limitación se vincula con la
especificidad de la banca móvil. Aunque varios
estudios abordaron banca digital, fintech, e-banking
o servicios financieros móviles, no todos analizaron
directamente aplicaciones de banca móvil. Por ello,
algunas inferencias se realizaron a partir de
evidencia relacionada con autenticación móvil,
fraude digital, cloud computing, biometría y
servicios financieros digitales.
La cuarta limitación deriva del carácter
cambiante del objeto de estudio. La regulación de
IA, ciberseguridad y banca móvil evoluciona
rápidamente; en consecuencia, algunos hallazgos
podrían modificarse con la aprobación de nuevas
normas, estándares técnicos o políticas de
supervisión financiera. Esta condición exige
interpretar los resultados como una síntesis
actualizada, pero no definitiva.
La quinta limitación se asocia con la desigual
representación geográfica. La literatura disponible
mostró mayor presencia de estudios sobre Europa,
Estados Unidos, Asia y algunas economías
africanas, mientras que América Latina tuvo menor
visibilidad. Esto puede afectar la generalización de
los hallazgos hacia contextos regulatorios menos
representados.
Futuras investigaciones deberían desarrollar
comparaciones empíricas entre jurisdicciones para
evaluar cómo los marcos de IA, ciberseguridad y
protección de datos se implementan realmente en
plataformas de banca móvil. Estos estudios podrían
analizar diferencias entre modelos regulatorios de la
Unión Europea, Estados Unidos, Reino Unido,
Sudáfrica, Vietnam, Emiratos Árabes Unidos,
Jordania y países latinoamericanos.
También se recomienda diseñar modelos de
madurez regulatoria para IA en ciberseguridad
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(1210)
http://www.aulavirtual.web.ve
bancaria móvil. Estos modelos deberían incluir
dimensiones como explicabilidad, protección de
datos biométricos, auditoría de modelos,
supervisión humana, seguridad de APIs, resiliencia
operativa, gestión de proveedores cloud, mitigación
de sesgos y respuesta ante incidentes.
Asimismo, futuros estudios deberían
incorporar literatura gris regulatoria, incluyendo
documentos de bancos centrales, organismos
supervisores, autoridades de protección de datos,
agencias de ciberseguridad y organismos
internacionales. Esta ampliación permitiría
contrastar la evidencia académica con la práctica
normativa y supervisora.
Otra línea prioritaria consiste en realizar
estudios empíricos con bancos, fintech, proveedores
tecnológicos y reguladores para evaluar cómo se
aplican en la práctica los controles sobre IA
defensiva, autenticación adaptativa, detección
automatizada de fraude, biometría y monitoreo
conductual. Este enfoque permitiría medir no solo la
existencia formal de los marcos, sino también su
efectividad operativa.
Finalmente, se recomienda profundizar en
riesgos emergentes vinculados con IA generativa,
aprendizaje federado, modelos adversariales,
blockchain analytics, AIoT y datos sintéticos en
banca móvil. Estas tecnologías pueden fortalecer la
detección de amenazas y la protección de datos,
pero también introducen nuevos riesgos sobre
manipulación de modelos, exposición de
información sensible, decisiones automatizadas
erróneas y responsabilidad institucional. Por ello, la
agenda futura debería avanzar hacia una gobernanza
integrada, adaptativa y transfronteriza de la IA
aplicada a la ciberseguridad financiera móvil.
Conclusiones
Los resultados de la revisión permitieron
evidenciar que la regulación del uso de inteligencia
artificial en la ciberseguridad del sector financiero
se encuentra estructurada en torno a marcos
heterogéneos, integrados por estándares de
seguridad de la información, normas de protección
de datos, políticas de cumplimiento financiero,
enfoques de gobernanza algorítmica y lineamientos
éticos emergentes. Entre los hallazgos más
relevantes se identificó que instrumentos como
ISO/IEC 27001, ISO 27002, ISO 27014, COBIT,
NIST Cybersecurity Framework, GDPR, CCPA,
PSD2, GLBA y otros marcos nacionales constituyen
referencias centrales para la gestión de riesgos,
protección de datos, autenticación, auditoría y
cumplimiento.
Sin embargo, también se constató que estos
marcos no fueron diseñados específicamente para
regular sistemas de IA aplicados a plataformas de
banca móvil, por lo que su aplicabilidad requiere
complementarse con criterios de explicabilidad,
trazabilidad algorítmica, supervisión humana,
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(1211)
http://www.aulavirtual.web.ve
gestión de terceros tecnológicos, protección
biométrica y monitoreo continuo.
En relación con el objetivo de investigación,
el estudio permitió identificar y clasificar los marcos
regulatorios existentes a nivel global que abordan la
IA en la ciberseguridad financiera en cuatro grandes
categorías: marcos de seguridad de la información y
ciberseguridad; normas de privacidad y protección
de datos; esquemas de gobernanza, cumplimiento y
ética de IA; y enfoques sectoriales aplicables a
banca digital, fintech y servicios financieros
móviles.
Esta clasificación permitió establecer que la
banca móvil representa un entorno regulatorio
particularmente complejo, debido a que combina
procesamiento de datos financieros, biometría,
geolocalización, autenticación adaptativa,
infraestructura cloud, modelos predictivos de fraude
y servicios digitales de alta disponibilidad. En
consecuencia, la regulación aplicable a estas
plataformas no puede limitarse a estándares
generales de ciberseguridad, sino que requiere una
gobernanza integrada que articule seguridad
técnica, protección de derechos, control algorítmico
y resiliencia operativa.
El presente trabajo se desarrolló como un
artículo de revisión sistemática, basado en la
identificación, selección, análisis y síntesis de
literatura científica relevante sobre inteligencia
artificial, ciberseguridad financiera, regulación y
banca móvil. La adopción de este enfoque permitió
organizar la evidencia disponible de manera
estructurada, comparar estudios jurídicos, técnicos
y de gobernanza, y reconocer patrones comunes,
brechas regulatorias y desafíos éticos asociados con
la implementación de IA en servicios financieros
digitales.
En ese sentido, la revisión sistemática resultó
adecuada para responder al objetivo planteado,
debido a que permitió integrar evidencia dispersa y
clasificar los aportes de la literatura según su
relación con marcos regulatorios, aplicabilidad
móvil, desafíos éticos y brechas jurisdiccionales.
Como reflexión final, los hallazgos sugieren
que la gobernanza de la IA en la ciberseguridad
bancaria móvil debe avanzar hacia modelos
regulatorios más adaptativos, interoperables y
transfronterizos. La rápida evolución de tecnologías
como IA generativa, aprendizaje federado, AIoT,
blockchain analytics, autenticación biométrica y
detección automatizada de fraude exige superar
enfoques normativos fragmentados.
Futuras investigaciones deberían profundizar
en estudios comparativos entre jurisdicciones,
evaluar empíricamente la implementación de estos
marcos en bancos y fintech, e incorporar literatura
gris proveniente de bancos centrales, autoridades de
protección de datos y organismos supervisores.
Asimismo, resulta necesario desarrollar
modelos de madurez regulatoria que permitan medir
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(1212)
http://www.aulavirtual.web.ve
la capacidad de las instituciones financieras para
auditar modelos de IA, proteger datos sensibles,
mitigar sesgos, garantizar explicabilidad y
responder eficazmente a amenazas cibernéticas
emergentes en plataformas de banca móvil.
Referencias
Al Batayneh, A. A., Qasaimeh, M., & Al-Qassas, R.
S. (2021). A scoring system for information
security governance framework using deep
learning algorithms: A case study on the banking
sector. Journal of Data and Information Quality,
13(2), Article 9. Documento en línea. Disponible
https://doi.org/10.1145/3418172
Alazzam, F. A. F., Gharaibeh, Z. I. Y., Jarah, B. A.
F., AlJabali, A. M. A., & Al-Zaqeba, M. A. A.
(2026). Legal and cybersecurity challenges of
integrating artificial intelligence and the internet
of things in financial institutions in the United
Arab Emirates and Jordan. International Journal
of Data and Network Science, 10, 265–272.
Documento en línea. Disponible
https://doi.org/10.5267/j.ijdns.2025.9.021
Al-Dosari, K., Fetais, N., & Kucukvar, M. (2024).
Artificial intelligence and cyber defense system
for banking industry: A qualitative study of AI
applications and challenges. Cybernetics and
Systems, 55(2), 302–330. Documento en línea.
Disponible
https://doi.org/10.1080/01969722.2022.2112539
Ali, G., Mijwil, M. M., Buruga, B. A., & Abotaleb,
M. (2024). A comprehensive review on
cybersecurity issues and their mitigation
measures in FinTech. Iraqi Journal for Computer
Science and Mathematics, 5(3). Documento en
línea. Disponible
https://doi.org/10.52866/ijcsm.2024.05.03.004
Alnaabi, A. A. H., & Al Mahruqi, A. A. H. (2026).
Artificial intelligence methods for enhancing
cybersecurity in Oman: A comprehensive
review. Journal of Cloud Computing, 15, Article
48. Documento en línea. Disponible
https://doi.org/10.1186/s13677-026-00860-2
Alrafi, H. S., & Mishra, S. (2024). The impact of AI-
based cyber security on the banking and financial
sectors. Journal of Cybersecurity and
Information Management, 14(1), 8–19.
Documento en línea. Disponible
https://doi.org/10.54216/JCIM.140101
Asmar, M., & Tuqan, A. (2024). Integrating
machine learning for sustaining cybersecurity in
digital banks. Heliyon, 10, Article e37571.
Documento en línea. Disponible
https://doi.org/10.1016/j.heliyon.2024.e37571
Aysan, A. F., Ciftler, B. S., & Unal, I. M. (2024).
Predictive power of random forests in analyzing
risk management in Islamic banking. Journal of
Risk and Financial Management, 17(3), Article
104. Documento en línea. Disponible
https://doi.org/10.3390/jrfm17030104
Bui, L. V. (2026). Legal and regulatory challenges
in addressing high-tech crimes in the banking
sector: Developing a cybersecurity risk
assessment framework for Vietnam. Journal of
Banking Regulation, 27, Article 4. Documento en
línea. Disponible
https://doi.org/10.1057/s41261-025-00302-0
Chitimira, H., & Ncube, P. (2021). The regulation
and use of artificial intelligence and 5G
technology to combat cybercrime and financial
crime in South African banks. Potchefstroom
Electronic Law Journal, 24, 1–33. Documento en
línea. Disponible https://doi.org/10.17159/1727-
3781/2021/v24i0a10742
Dasari, S., & Kaluri, R. (2024). An effective
classification of DDoS attacks in a distributed
network by adopting hierarchical machine
learning and hyperparameters optimization
techniques. IEEE Access, 12, 10834–10845.
Documento en línea. Disponible
https://doi.org/10.1109/ACCESS.2024.3352281
Eskandarany, A. (2024). Adoption of artificial
intelligence and machine learning in banking
systems: A qualitative survey of board of
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(1213)
http://www.aulavirtual.web.ve
directors. Frontiers in Artificial Intelligence, 7,
Article 1440051. Documento en línea.
Disponible
https://doi.org/10.3389/frai.2024.1440051
Fahimifar, S., & Momenzadeh, A. (2025). From
information security to artificial intelligence: A
scientometrics analysis of research trends in
cybersecurity within the banking industry.
Journal Research Scientometrics, 11(2), 299–
326. Documento en línea. Disponible
https://doi.org/10.22070/rsci.2025.20186.1790
Faraji, M. R., Shikder, F., Hasan, M. H., Islam, M.
M., & Akter, U. K. (2024). Examining the role of
artificial intelligence in cyber security (CS): A
systematic review for preventing prospective
solutions in financial transactions. International
Journal of Religion, 5(10), 4766–4782.
Documento en línea. Disponible
https://doi.org/10.61707/7rfyma13
Garad, A., Riyadh, H. A., Al-Ansi, A. M., & Beshr,
B. A. H. (2024). Unlocking financial innovation
through strategic investments in information
management: A systematic review. Discover
Sustainability, 5, Article 381. Documento en
línea. Disponible
https://doi.org/10.1007/s43621-024-00542-6
Gaviyau, W., & Godi, J. (2025). Banking sector
transformation: Disruptions, challenges and
opportunities. FinTech, 4, Article 48.
Documento en línea. Disponible
https://doi.org/10.3390/fintech4030048
Ilyasov, R. (2025). Integrating cloud-based multi-
factor authentication (MFA) systems into mobile
applications. Scientific Work International
Scientific Journal, 19(5), 334–337. Documento
en línea. Disponible
https://doi.org/10.36719/2663-4619/115/334-
337
Kamuangu, P. (2025). Exploring the convergence of
cybersecurity, fintech and artificial general
intelligence: Innovations and implications.
Abhigyan. Documento en línea. Disponible
https://doi.org/10.1177/09702385251379163
Kumari, A. (2026). Personal data protection in the
age of digital financial systems. Electronic
Government, 22(2), 220–240.
Leelavathi, K., Samal, A., Thirulogasundaram, V.
P., Vaishnavi, V. S., Malashree, S., &
Muthukrishnan, B. (2024). Cybersecurity
practices in cryptocurrency and traditional
banking: An analysis of evolving threats and AI
solutions. Nanotechnology Perceptions, 20(S5),
768–776.
Maashi, M., Alabduallah, B., & Kouki, F. (2023).
Sustainable financial fraud detection using Garra
Rufa fish optimization algorithm with ensemble
deep learning. Sustainability, 15(18), Article
13301. Documento en línea. Disponible
https://doi.org/10.3390/su151813301
Manta, L. F., Manta, A. G., & Gherțescu, C. (2025).
Decoding digital synergies: How mechatronic
systems and artificial intelligence shape banking
performance through quantile-driven method of
moments. Applied Sciences, 15(10), Article
5282. Documento en línea. Disponible
https://doi.org/10.3390/app15105282
Matlala, N. P. (2026). Generative artificial
intelligence transformation in African financial
institutions: An evaluation of the benefits and
risks. Development Southern Africa, 43(1), 149–
163. Documento en línea. Disponible
https://doi.org/10.1080/0376835X.2026.263203
9
Mota Makore, S. T. (2024). Regulating artificial
intelligence to advance financial inclusion in
South Africa. Potchefstroom Electronic Law
Journal, 27, 1–35. Documento en línea.
Disponible https://doi.org/10.17159/1727-
3781/2024/v27i0a17488
Nadella, G. S., Addula, S. R., Yadulla, A. R., Sajja,
G. S., Meesala, M., Maturi, M. H., Meduri, K., &
Gonaygunta, H. (2025). Generative AI-enhanced
cybersecurity framework for enterprise data
privacy management. Computers, 14(2), Article
55. Documento en línea. Disponible
https://doi.org/10.3390/computers14020055
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(1214)
http://www.aulavirtual.web.ve
Nefla, D., & Jellouli, S. (2025). Emerging
technologies in finance: Challenges for a
sustainable finance. Cogent Business &
Management, 12(1), Article 2495191.
Documento en línea. Disponible
https://doi.org/10.1080/23311975.2025.2495191
Oyeniyi, L. D., Ugochukwu, C. E., & Mhlongo, N.
Z. (2024). Developing cybersecurity frameworks
for financial institutions: A comprehensive
review and best practices. Computer Science &
IT Research Journal, 5(4), 903–925. Documento
en línea. Disponible
https://doi.org/10.51594/csitrj.v5i4.1049
Oyewole, A. T., Oguejiofor, B. B., Eneh, N. E.,
Akpuokwe, C. U., & Bakare, S. S. (2024). Data
privacy laws and their impact on financial
technology companies: A review. Computer
Science & IT Research Journal, 5(3), 628–650.
Documento en línea. Disponible
https://doi.org/10.51594/csitrj.v5i3.911
Parveen, R., Alnwissari, M., & Amuda, Y. J. (2025).
The adoption of artificial intelligence, machine
learning, financial technology (FinTech) and
automation in banking sector. Scientific Culture,
11(4), 1292–1306. Documento en línea.
Disponible
https://doi.org/10.5281/zenodo.18171179
Rodríguez-Barboza, J. R., Carreño-Flores, O. D.,
Davila-Zamora, L. M., Jalixto-Erazo, H. M., Oré
de los Santos, M. A., Cruces-Torres, O. J., Ruiz-
Villavicencio, R. E., & Villegas-Rivas, D.
(2024). Posthumanist technologies in business:
AI and cloud computing for global optimization
and ethical challenges. Advance Sustainable
Science, Engineering and Technology, 6(4),
Article 02404021. Documento en línea.
Disponible
https://doi.org/10.26877/asset.v6i4.1064
Sayari, K., Firdouse, M. K. J., & Al Abri, F. (2025).
Artificial intelligence and machine learning
adoption in the financial sector: A holistic
review. IAES International Journal of Artificial
Intelligence, 14(1), 19–31. Documento en línea.
Disponible
https://doi.org/10.11591/ijai.v14.i1.pp19-31
Shahzadi, A., Ishaq, K., Nawaz, N. A., Rosdi, F., &
Khan, F. A. (2025). Unveiling personalized and
gamification-based cybersecurity risks within
financial institutions. PeerJ Computer Science,
11, Article e2598. Documento en línea.
Disponible https://doi.org/10.7717/peerj-cs.2598
Sujadmiko, B., Meutia, I. F., Zainal, A. G., &
Yulianti, D. (2025). Technology, cyber and
international offshore banks: Financial services
for asset recovery of Indonesian convicts.
European Journal of Privacy Law &
Technologies, 1. Documento en línea. Disponible
https://doi.org/10.57230/EJPLT251BSIFMAGZ
DY
Sung, S.-F., Ju, I.-L., & Chen, Y.-C. (2026).
Examining the effect of earnings management,
performance management, and corporate social
performance on Artificial Intelligence of Things
system construction. Sensors and Materials,
38(4), 1899–1908. Documento en línea.
Disponible https://doi.org/10.18494/SAM6146
Udayakumar, R., Joshi, A., Boomiga, S. S., &
Sugumar, R. (2023). Deep Fraud Net: A deep
learning approach for cyber security and
financial fraud detection and classification.
Journal of Internet Services and Information
Security, 13(4), 138–157. Documento en línea.
Disponible
https://doi.org/10.58346/JISIS.2023.I4.010
Udeh, E. O., Amajuoyi, P., Adeusi, K. B., & Scott,
A. O. (2024). The integration of artificial
intelligence in cybersecurity measures for
sustainable finance platforms: An analysis.
Computer Science & IT Research Journal, 5(6),
1221–1246. Documento en línea. Disponible
https://doi.org/10.51594/csitrj.v5i6.1195
Ullah, M. W., Alam, M. T., Sultana, T., Rahman, M.
M., Faraji, M. R., & Ahmed, M. F. (2024). A
systematic review on information security
policies in the USA banking system and global
banking: Risks, rewards, and future trends.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(1215)
http://www.aulavirtual.web.ve
Edelweiss Applied Science and Technology, 8(6),
8437–8453. Documento en línea. Disponible
https://doi.org/10.55214/25768484.v8i6.3816
Vdovichena, O., Krymska, A., Koroliuk, Y.,
Shymko, A., & Vdovichen, A. (2025). The role
of artificial intelligence technologies in
rebuilding the post-war economy and ensuring
cyber security: An example from Ukraine. Salud,
Ciencia y Tecnología – Serie de Conferencias, 4,
Article 642. Documento en línea. Disponible
https://doi.org/10.56294/sctconf2025642
Vučinić, M., & Luburić, R. (2022). Fintech, risk-
based thinking and cyber risk. Journal of Central
Banking Theory and Practice, 11(2), 27–53.
Documento en línea. Disponible
https://doi.org/10.2478/jcbtp-2022-0012
Waliullah, Md., George, M. J., Hasan, M. T., Alam,
M. K., Munira, M. S. K., & Siddiqui, N. A.
(2025). Assessing the influence of cybersecurity
threats and risks on the adoption and growth of
digital banking: A systematic literature review.
AJATES, 1(1), 226–257. Documento en línea.
Disponible https://doi.org/10.63125/fh49gz18