REPORTS 2022-2023

I  REPORTS DE LA_SEI  I  2019-2020  I 2020-2021 I  2021-2022 2022-2023  I 2023-2024 I



EDITOR JEFE: Ángel Rodríguez García-Brazales (Facultad de Ciencias Económicas y Empresariales de la UAM)

EDITADOS POR: La Escuela de Inteligencia Económica y RRII de la Universidad Autónoma de Madrid

ISSN: 2660-7352


Volumen 14 (2023)“La Inteligencia en la protección a la cadena de suministros”. Autor: José Manuel Veiga Torres. Descargar Report v 14 2023 (43 descargas)


Volumen 13 (2023)“Identificación automática de bots en Twitter basada en contexto”. Autor: Luis Santos Sanz. Descargar Report v 13 2023 (864 descargas)

Resumen: Desde hace algunos años, las redes sociales se han consolidado como canal para divulgar información, siendo para muchos de sus usuarios medios con los que estar informado de los acontecimientos que les rodean y a la vez, participar activamente de ellos. El impacto que generan en la vida cotidiana es tan grande que llegan a influir sobre las opiniones y tendencias de las personas, considerándose herramientas útiles que permiten la interacción con otros usuarios y disponen la capacidad para emitir contenidos a un gran número de receptores de forma inmediata. Sin embargo, este potencial puede emplearse de forma malintencionada para tergiversar y manipular la información y así la opinión de quienes la consumen, divulgando información falsa, rumores, o incluso promoviendo campañas de desinformación a gran escala alterando la opinión pública de la sociedad. Uno de los pilares tecnológicos fundamentales que permiten esta difusión a gran escala son los denominados bots, que se definen como cuentas automatizadas creadas y/o controladas por botmasters. Desde el punto de vista de la seguridad estas noticias falsas, se extienden rápidamente por la red y no solo aplican en la intoxicación de la información, si no que pueden ser la puerta de entrada de ataques como spam, phishing o incluso malware, haciendo indispensable disponer de medios para su identificación.

El presente estudio, “Identificación automática de bots en Twitter basada en contexto”, se centrará en Twitter, una plataforma de microblogging online que permite a sus usuarios comunicación directa a través de publicaciones de un máximo de 280 caracteres denominados tweets. El objetivo que se persigue es analizar el empleo de algoritmos de clasificación para identificar, de forma automática si una cuenta de Twitter es un usuario humano, o por lo contrario se trata de un bot.

Con este fin, se ha examinado la posibilidad de utilizar redes convolucionales basadas en grafos, analizando su uso en contexto. Para ello se han generado grafos basados en las relaciones de los perfiles de Twitter, como las de seguimiento (seguidores/seguidos), o en base a los retweets o replies generados. Estos grafos han sido utilizados como entrada de algoritmos de aprendizaje automático que fuesen capaces de diferenciar bots de perfiles legítimos utilizando la estructura de dicha red, además de la información propia de cada perfil. Siendo el contexto de interés la denominada inteligencia de fuentes abiertas (OSINT), por lo que se ha trabajado con datos disponibles públicamente en Twitter, analizando desde las herramientas existentes para la extracción de datos hasta el detalle de la información disponible en cada caso.

Tras el proceso, se puede concluir en última instancia que, los clasificadores que combinan los atributos de nodo y las relaciones de los usuarios expuestas en grafos aportan mayor precisión al inducir datos que no han sido vistos durante el entrenamiento, que los modelos que no los contemplan.

Abstract: In the past few years, social media has been consolidated as a channel to spread information, being for many of its users a means to be informed of the events that surround them and at the same time, to actively participate in them. The impact they have on daily life is so great that they influence people’s opinions and trends and are considered useful tools that allow interaction with other users and have the capacity to broadcast content to a large number of recipients instantly. However, this potential can be used maliciously to distort and manipulate information and thus the opinion of those who consume it, spreading false information, rumors, or even promoting large-scale disinformation campaigns, altering the public opinion of society. One of the fundamental technological pillars that enable this large-scale spread of information are the so-called bots, which are defined as automated accounts created and/or controlled by botmasters. From the point of view of security, this fake news spread quickly through the network and not only apply in the intoxication of information but can also be the gateway for attacks such as spam, phishing or even malware. This makes it essential to have the means to identify them.

This study, “Automatic identification of bots on Twitter based on context”, will focus on Twitter, an online microblogging platform that allows its users to communicate directly through posts of a maximum of 280 characters called tweets. It aims to analyze the use of classification algorithms to identify whether a Twitter account is a human user or a bot.

As a means to achieving this, the possibility of using graph-based convolutional networks has been examined, analyzing their use in context. To do this, graphs have been generated based on Twitter profile relationships, such as follower/followed, or based on the retweets and replies generated. These graphs have been used as input for machine learning algorithms capable of differentiating bots from legitimate profiles using the structure of the network, in addition to the information of each profile. As the so-called Open-Source Intelligence (OSINT) is the focus point, we have worked with publicly available data on Twitter, analyzing from the existing tools, from the data extraction to the detail of the information available in each case. 

After the process, it can be ultimately concluded that classifiers that combine node attributes and user relationships exposed in graphs, provide higher accuracy by inducing data that has not been seen during training than models that do not contemplate them.


Volumen 12 (2023)“Explotación de vulnerabilidades psicológicas en Inteligencia de Fuentes Humanas”. Descargar Report v 12 2023 (1064 descargas)  Autores: Raúl Rodríguez Redondo y Sofía Sánchez Margolles.

Resumen: Las vulnerabilidades psicológicas son clave en la inteligencia de fuentes humanas. Sin embargo, históricamente no se ha desarrollado un corpus de estudio académico acerca de cómo identificarlas y utilizarlas a nuestro favor en operaciones de inteligencia. La psicología ofrece diversas herramientas de explotación de las debilidades humanas, entre ellas la persuasión. En concreto, el matching de características susceptibles, como la personalidad, con variables persuasivas resulta de gran utilidad en este campo. Estas estrategias serán aplicadas tanto para la obtención de confianza durante la aproximación a la fuente como para la posterior obtención de información. Además, se proporcionarán escenarios de aplicación de estas orientados a operaciones de inteligencia.

Abstract: Psychological vulnerabilities are key in human source intelligence. However, historically no academic study corpus has been developed to identify and use them in our favour. Psychology offers a wide variety of human vulnerabilities exploitation tools, like personality, including persuasion. Specifically, matching susceptible characteristics to persuasion variables can be truly useful in this field. These strategies will be applied to obtain trust during the approach phase and, subsequently, to obtain information. Additionally, different application scenarios oriented to intelligence operations will be provided.


Volumen 11 (2023)“Lawfare, guerra asimétrica, híbrida, y cognitiva”. Descargar Report v 11 2023 (834 descargas)  Autor: Marcos Checa Rubio.

Resumen: El objeto de este artículo es analizar la evolución de la conceptualización de lawfare para explicar su transición desde la guerra asimétrica a la híbrida y, más en concreto, cómo ha sido instrumentalizado en la actualidad en el marco de la guerra cognitiva, que es una parcela específica de la anterior. De este modo podremos entender cómo se puede convertir en una herramienta que es capaz de subvertir las capacidades de gestión de los actores contra los que se utiliza, tanto restringiendo su operatividad tradicional en el contexto de un conflicto bélico, como tensionando a las sociedades en otros contextos conflictivos para conseguir objetivos económicos, políticos o culturales sin entrar en el marco de una operación militar directa. De hecho, pretendemos sentar las bases que demuestren que las democracias liberales son en realidad los actores más vulnerables a su uso, por ser quienes sentirán sus efectos con mayor intensidad.


I  REPORTS DE LA_SEI  I  2019-2020  I 2020-2021 I  2021-2022 2022-2023  I