Marcos regulatorios para la ia en ciberseguridad financiera y banca móvil: Evidencia desde una revisión sistemática
Barra lateral del artículo
Contenido principal del artículo
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
Descargas
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
El contenido de los articulos es de exclusiva responsabilidad de los autores.
Deberá cumplir con los siguentes aspectos de la Licencia CC BY NC ND :
- Atribución : Debe otorgar el crédito correspondiente, proporcionar un enlace a la licencia e indicar si se realizaron cambios. Puede hacerlo de cualquier manera razonable, pero no de ninguna manera que sugiera que el licenciante lo respalda a usted o su uso.
- No Comercial : No se puede utilizar el material con fines comerciales.
- Sin derivados : Si remezcla, transforma o construye sobre el material, no puede distribuir el material modificado.
- Sin restricciones adicionales : No se pueden aplicar términos legales o medidas tecnológicas que restrinjan legalmente a otros de hacer cualquier cosa que permita la licencia.
Citas
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 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., & Gher?escu, 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.2026.2632039
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
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/EJPLT251BSIFMAGZDY
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. 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
Vu?ini?, M., & Luburi?, 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