Admisión abierta 2026-2027Rellenar solicitud

Diplomado en Detección de Anomalías y Ataques en Grafos

Diplomado online de 800 h: 8 módulos y 80 submódulos, de «Grafos y comportamiento anómalo» a «Proyecto de detección en grafos», pasando por «Grafos en ciberseguridad».

Mapa del programa · pulsa un módulo
Módulo 1 · Grafos y comportamiento anómalo
800 hDuración total
8Módulos
80Submódulos
OnlineModalidad

Competencias y resultados

6 bloques de competencia, sacados de los módulos de este programa. Pulsa cualquiera y ves qué vas a saber hacer.

Grafos y comportamiento anómalo

Saldrás manejando tipos de anomalías: nodos, aristas, subgrafos y grafos, grafos estáticos, dinámicos y heterogéneos y medidas de centralidad y estructura local. Es lo que se trabaja en «Grafos y comportamiento anómalo», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Métodos clásicos de detección

Saldrás manejando oddBall y leyes de egonets, factorización de matrices y errores de reconstrucción y detección de comunidades y anomalías de pertenencia. Es lo que se trabaja en «Métodos clásicos de detección», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Detección con aprendizaje profundo

Saldrás manejando embeddings con node2vec y DeepWalk, autoencoders de grafos: DOMINANT y GAE y aprendizaje contrastivo: CoLA y ANEMONE. Es lo que se trabaja en «Detección con aprendizaje profundo», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Grafos en ciberseguridad

Saldrás manejando grafos de proveniencia de procesos en endpoints, detección de movimiento lateral en Active Directory y análisis de rutas de ataque con BloodHound. Es lo que se trabaja en «Grafos en ciberseguridad», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Ataques adversarios a modelos de grafos

Saldrás manejando taxonomía: evasión, envenenamiento y extracción, ataques de perturbación estructural: Nettack y metattack y envenenamiento por meta-gradientes. Es lo que se trabaja en «Ataques adversarios a modelos de grafos», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Operación, gobierno y cumplimiento

Saldrás manejando integración en flujos de investigación de fraude, explicabilidad para analistas y auditores y protección de datos personales en grafos. Es lo que se trabaja en «Operación, gobierno y cumplimiento», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Objetivos de aprendizaje

  • 01Caracterizar los tipos de anomalías en grafos estáticos, dinámicos y heterogéneos.
  • 02Aplicar métodos clásicos como OddBall y Fraudar a grafos de transacciones.
  • 03Entrenar autoencoders y GNN para detección de anomalías con clases desbalanceadas.
  • 04Detectar anomalías en tiempo real sobre flujos de aristas.
  • 05Analizar rutas de ataque y movimiento lateral mediante grafos de seguridad.
  • 06Evaluar y mitigar ataques adversarios contra modelos de grafos.
  • 07Integrar la detección en procesos de investigación conformes con la normativa.

Plan de estudios

8 módulos, 80 submódulos, 800 h. Elige un módulo y ves su contenido completo.

1 de 8 módulos abiertos
Módulo 1 de 8 · 10 submódulos

Grafos y comportamiento anómalo

1.1Tipos de anomalías: nodos, aristas, subgrafos y grafos
1.2Grafos estáticos, dinámicos y heterogéneos
1.3Medidas de centralidad y estructura local
1.4Egonets y patrones de vecindario
1.5Ley de potencias y distribuciones de grado
1.6Grafos de transacciones, de red y de identidades
1.7Etiquetado escaso y desbalance de clases
1.8Métricas AUC-ROC, AUC-PR y precisión en top-k
1.9Construcción de grafos a partir de logs de red
1.10Taller: grafo de flujos NetFlow con NetworkX
Módulo 2 de 8 · 10 submódulos

Métodos clásicos de detección

2.1OddBall y leyes de egonets
2.2Factorización de matrices y errores de reconstrucción
2.3Detección de comunidades y anomalías de pertenencia
2.4SCAN y detección de nodos puente
2.5Random walks y PageRank personalizado
2.6Detección de subgrafos densos: Fraudar y M-Zoom
2.7Isolation Forest sobre embeddings estructurales
2.8Comparativa de métodos no supervisados
2.9Biblioteca PyGOD para detección en grafos
2.10Práctica: detección de cuentas fraudulentas con Fraudar
Módulo 3 de 8 · 10 submódulos

Detección con aprendizaje profundo

3.1Embeddings con node2vec y DeepWalk
3.2Autoencoders de grafos: DOMINANT y GAE
3.3Aprendizaje contrastivo: CoLA y ANEMONE
3.4GNN supervisadas con clases desbalanceadas
3.5Camuflaje de defraudadores: CARE-GNN y PC-GNN
3.6Grafos heterogéneos y metapaths
3.7Explicaciones de anomalías detectadas
3.8Calibración de puntuaciones y umbrales
3.9Benchmarks Elliptic, YelpChi y Amazon
3.10Laboratorio: detección de blanqueo en el dataset Elliptic
Módulo 4 de 8 · 10 submódulos

Grafos dinámicos y streaming

4.1Grafos temporales y ventanas deslizantes
4.2Detección de cambios estructurales
4.3SpotLight y MIDAS para aristas en streaming
4.4Temporal Graph Networks (TGN)
4.5Detección de ráfagas y patrones periódicos
4.6Latencia y memoria en procesamiento continuo
4.7Integración con Apache Kafka y Flink
4.8Alertado y priorización de eventos
4.9Evaluación con flujos etiquetados
4.10Caso práctico: detección de escaneos en tráfico de red
Módulo 5 de 8 · 10 submódulos

Grafos en ciberseguridad

5.1Grafos de proveniencia de procesos en endpoints
5.2Detección de movimiento lateral en Active Directory
5.3Análisis de rutas de ataque con BloodHound
5.4Grafos de conocimiento de amenazas y STIX 2.1
5.5Mapeo de técnicas con MITRE ATT&CK
5.6Detección de botnets y comando y control
5.7Grafos DNS y dominios maliciosos
5.8Correlación de alertas en SIEM
5.9Reducción de falsos positivos en el SOC
5.10Práctica: rutas de escalada en un dominio de laboratorio
Módulo 6 de 8 · 10 submódulos

Ataques adversarios a modelos de grafos

6.1Taxonomía: evasión, envenenamiento y extracción
6.2Ataques de perturbación estructural: Nettack
6.3Metattack y envenenamiento por meta-gradientes
6.4Inyección de nodos falsos
6.5Ataques de inferencia de pertenencia y privacidad
6.6Defensas: GNNGuard y Pro-GNN
6.7Entrenamiento adversario en grafos
6.8Certificación de robustez
6.9Biblioteca DeepRobust para evaluación
6.10Taller: medir la robustez de una GCN frente a Nettack
Módulo 7 de 8 · 10 submódulos

Operación, gobierno y cumplimiento

7.1Integración en flujos de investigación de fraude
7.2Explicabilidad para analistas y auditores
7.3Protección de datos personales en grafos
7.4Requisitos de prevención del blanqueo de capitales
7.5Gestión del riesgo de modelos
7.6Monitorización de deriva y degradación
7.7Bases de datos de grafos: Neo4j y TigerGraph
7.8Escalado con GraphFrames en Spark
7.9Documentación y trazabilidad de decisiones
7.10Caso práctico: panel de investigación de alertas
Módulo 8 de 8 · 10 submódulos

Proyecto de detección en grafos

8.1Selección del caso: fraude o ciberseguridad
8.2Modelado del grafo y fuentes de datos
8.3Línea base con métodos clásicos
8.4Modelo profundo y ajuste
8.5Evaluación con métricas desbalanceadas
8.6Prueba de robustez adversaria
8.7Diseño del flujo de alertas
8.8Análisis de falsos positivos con analistas
8.9Memoria y presentación
8.10Revisión final con el tutor

¿Cuánto me va a llevar?

Mueve las horas que puedes dedicar cada semana y calculamos tu ritmo sobre las 800 h del programa.

—meses a ese ritmo
—semanas por módulo
—frente a los 800 horas · 6 a 8 meses previstos

¿Qué nivel tienes ya?

Cinco conceptos del propio temario. Marca lo que ya controlas y te decimos si te conviene el curso, el diplomado o el máster.

Grafos de transacciones, de red y de identidades
Módulo 1 · Grafos y comportamiento anómalo
Detección de comunidades y anomalías de pertenencia
Módulo 2 · Métodos clásicos de detección
Laboratorio: detección de blanqueo en el dataset Elliptic
Módulo 3 · Detección con aprendizaje profundo
Integración con Apache Kafka y Flink
Módulo 4 · Grafos dinámicos y streaming
Grafos de conocimiento de amenazas y STIX 2.1
Módulo 5 · Grafos en ciberseguridad

Marca los cinco conceptos y te damos tu resultado.

Normas y estándares que vas a manejar

ISO/IEC 27001:2022 (sistemas de gestión de seguridad de la información)Reglamento (UE) 2016/679 General de Protección de DatosDirectiva (UE) 2015/849 de prevención del blanqueo de capitalesDirectiva (UE) 2022/2555 (NIS2)ISO/IEC 27035 (gestión de incidentes de seguridad)NIST SP 800-61 Rev. 2 (gestión de incidentes)ISO/IEC 42001:2023 (sistemas de gestión de IA)Reglamento (UE) 2024/1689 de Inteligencia Artificial

Cuerpo docente y expertos

Este programa se imparte en el área de Data, IA, Simulación & Analytics, que dirige Dra. Lucía Hernández Vega. Debajo, los directores académicos más cercanos a este programa. El detalle de cada instituto está en la página de institutos.

Dra. Lucía Hernández Vega Dra. Lucía Hernández VegaDirectora Académica del DAIS — Data, Artificial Intelligence & Simulation Institute.
Dr. Kevin O’Connor Dr. Kevin O’ConnorDirector Académico del EET — Electronics & Embedded Technologies Institute.
Prof. Kenji Takahashi Prof. Kenji TakahashiDirector Académico del SRA — Robotics & Autonomous Systems Institute.

El claustro completo y los once institutos, con sus líneas de trabajo, están en institutos SEIUM y en liderazgo y consejo asesor.

Dónde se trabaja con esto

Perfiles a los que da acceso el programa.

Científico de datos antifraude
Analista de ciberseguridad con grafos
Ingeniero de detección en SOC
Especialista en prevención del blanqueo
Investigador en aprendizaje automático adversario
Ingeniero de machine learning para riesgo

Para quién es

Científico de datos antifraude
Analista de ciberseguridad con grafos
Ingeniero de detección en SOC
Especialista en prevención del blanqueo
Investigador en aprendizaje automático adversario
Ingeniero de machine learning para riesgo
Titulados en ingeniería o ciencias que busquen entrar en banca y medios de pago

Otras formaciones del área

Del mismo área y nivel, para completar tu itinerario.

¿Buscas el programa completo de este tema?

Mismo campo, recorrido largo y titulación de máster: Máster en Ingeniería de Series Temporales, Señales y Detección de Anomalías.

En el blog técnico: Visión por computador en movilidad: de la detección al seguimiento robusto.

Áreas cercanas: todas las de Data, IA, Simulación & Analytics · Aeroespacial, UAM, Drones & Espacio · Automoción & Motorsport · Autónomos, ADAS & Vehículo Definido por Software · Civil, Rail & Smart Cities · Defensa, Ingeniería Militar & Sistemas Terrestres (enfoque académico, legal y ético) · Diseño, HMI & Producto · Electromovilidad, Baterías & Hidrógeno (Movilidad) · todas las facultades.

Opiniones de alumnos

Opiniones verificadas de alumnos de SEIUM, recogidas en Opynio.

Ver reseñas completas

De la solicitud al aula, sin esperas

  1. 1Rellenas la solicitud de admisiónTitulación o experiencia y firma, en una sola página.
  2. 2El sistema verifica la documentación al instanteEl sistema comprueba los datos y la firma al momento.
  3. 3Eliges modalidad de pago y reservas tu plazaPago único con descuento o entrada más cuotas mensuales. La matrícula de esta semana cierra el 27-11-2026.

El proceso completo, con documentación, plazos, convalidaciones y becas, está en admisión, cómo aplicar y becas y ayudas.

Comprueba tu acceso en tres respuestas

¿Tienes titulación universitaria en ingeniería, ciencias o arquitectura, o experiencia profesional equivalente?
¿Trabajas o quieres trabajar en Data, IA, Simulación & Analytics?
¿Puedes mantener un ritmo de estudio constante durante 800 horas · 6 a 8 meses?

Responde las tres y te decimos por dónde seguir.

Requisitos de acceso

  • ·Formación técnica previa o experiencia profesional en el sector. No se exige titulación universitaria.
  • ·Conexión a internet y un ordenador capaz de ejecutar el software del programa.
  • ·Nivel de español suficiente para seguir lectura de normativa técnica.

Cómo se estudia

Formación 100 % online en el campus de SEIUM, con material descargable, clases grabadas y tutor técnico asignado. Sin horarios fijos: el alumno avanza a su ritmo dentro de la convocatoria, lo que permite compatibilizarlo con el trabajo.

Cada módulo combina teoría, lectura guiada de la norma original y ejercicios aplicados. El software de trabajo es PyGOD, PyTorch Geometric, Neo4j Graph Data Science, BloodHound, DeepRobust, en versiones gratuitas, académicas o de evaluación. Los ensayos se estudian sobre procedimientos reales de detección de blanqueo sobre grafos de transacciones, identificación de movimiento lateral en dominios corporativos, evaluación de robustez de GNN frente a perturbaciones. La evaluación es continua por módulo más el proyecto integrador final.

Las modalidades, el calendario y las tasas son comunes a todos los programas: modalidades, calendario académico y tasas y financiación.

Preguntas frecuentes

Son 8 módulos con 80 submódulos y 800 h de trabajo total. Abre por «Grafos y comportamiento anómalo» y cierra con «Proyecto de detección en grafos».

Se trabajan ISO/IEC 27001:2022 (sistemas de gestión de seguridad de la información), Reglamento (UE) 2016/679 General de Protección de Datos, Directiva (UE) 2015/849 de prevención del blanqueo de capitales, Directiva (UE) 2022/2555 (NIS2), ISO/IEC 27035 (gestión de incidentes de seguridad) y NIST SP 800-61 Rev. 2 (gestión de incidentes).

Los perfiles más directos son Científico de datos antifraude, Analista de ciberseguridad con grafos, Ingeniero de detección en SOC, Especialista en prevención del blanqueo y Investigador en aprendizaje automático adversario.

En un pago son 1.432 €, sobre una tarifa de 1.790 €. A plazos, una entrada de 716 € y 6 cuotas de 179 €, 1.790 € en total, sin intereses: lo mismo que la tarifa.

Formación técnica previa o experiencia profesional en el sector. No se exige titulación universitaria, Conexión a internet y un ordenador capaz de ejecutar el software del programa y Nivel de español suficiente para seguir lectura de normativa técnica.

El programa son 800 horas totales repartidas en 6 a 8 meses. Eso son entre 10 y 15 horas semanales de media, compatibles con jornada laboral completa.

Se trabaja con PyGOD, PyTorch Geometric, Neo4j Graph Data Science, BloodHound, DeepRobust. Se usan versiones gratuitas, académicas o de evaluación, y el tutor indica la alternativa libre cuando existe.

Diploma propio de SEIUM al superar la evaluación continua y el proyecto integrador. Es formación propia, no un título oficial del Ministerio.

Sí. Los módulos superados en un curso o diplomado del mismo área convalidan en el programa superior. Consulta la política de convalidaciones al matricularte.

Las dudas comunes a todos los programas (titulación, convalidaciones, visado, idiomas) están resueltas en preguntas frecuentes, equivalencias y convalidaciones e idiomas.

Inicio de clases: 22 de diciembre de 20261.432 € Matricularme
Contactar con Seium
Pago al contado1.432 €ahorras 358 €
Reservar plaza
Seium - Universidad de ingeniería avanzada
Resumen de privacidad

Esta web utiliza cookies para que podamos ofrecerte la mejor experiencia de usuario posible. La información de las cookies se almacena en tu navegador y realiza funciones tales como reconocerte cuando vuelves a nuestra web o ayudar a nuestro equipo a comprender qué secciones de la web encuentras más interesantes y útiles.