PAMPOS: Predicción de trayectoria basada en Transformer causal para la detección de mal comportamiento independiente del ataque en redes V2X

Las redes V2X (Vehicle-to-Everything) representan un avance crucial en movilidad conectada, pero también introducen vulnerabilidades que los mecanismos criptográficos no pueden resolver por sí solos. Los ataques de falsificación desde nodos internos, como vehículos comprometidos, requieren una segunda línea de defensa: la detección de mal comportamiento basada en patrones de movilidad. Hasta ahora, los esquemas de detección supervisados dependían de ejemplos etiquetados de ataques conocidos, lo que los hacía ineficaces frente a amenazas emergentes. En este contexto surge PAMPOS, un modelo basado en un transformer causal entrenado exclusivamente con trayectorias legítimas. Su enfoque es novedoso: aprende la distribución normal del movimiento vehicular y, durante la inferencia, identifica desviaciones en predicciones cinemáticas paso a paso mediante un mecanismo de puntuación de anomalías top-K normalizado. Este sistema no requiere datos etiquetados de ataques, lo que le permite generalizar ante cualquier tipo de falsificación, incluso aquellas no vistas durante el entrenamiento. Los resultados en el conjunto VeReMi++ muestran AUC superiores a 0.98 y F1-score de hasta 0.95 para la mayoría de las categorías de ataque, tanto en escenarios de hora punta como vespertinos. Esta capacidad de detectar comportamientos anómalos sin supervisión es especialmente relevante para empresas que buscan integrar inteligencia artificial en sus sistemas críticos. Por ejemplo, en Q2BSTUDIO desarrollamos soluciones de ciberseguridad avanzadas que combinan análisis de patrones con aprendizaje no supervisado, ofreciendo una protección adaptativa frente a amenazas desconocidas. Además, nuestra experiencia en aplicaciones a medida y software a medida nos permite implementar arquitecturas similares en entornos industriales, desde flotas logísticas hasta infraestructuras críticas. La combinación de inteligencia artificial y ciberseguridad es solo una de las áreas donde aplicamos nuestro conocimiento. También ofrecemos servicios cloud aws y azure para desplegar modelos de predicción escalables, servicios inteligencia de negocio con power bi para visualizar anomalías en tiempo real, e incluso agentes IA que automatizan respuestas ante incidentes. Todo ello bajo un enfoque de ia para empresas que prioriza la robustez y la adaptabilidad. En definitiva, PAMPOS demuestra que los modelos generativos no supervisados pueden revolucionar la detección de amenazas en redes V2X, un aprendizaje que trasladamos a otros sectores. La clave está en diseñar sistemas que entiendan el comportamiento normal para identificar lo anómalo, un principio que guía nuestras soluciones de detección temprana y respuesta automatizada.