Manuel Franco de la Peña

Sobre mí

Hola, soy Manuel Franco de la Peña, graduado en Matemáticas e Ingeniería Informática por la Universidad de Murcia. Realicé el Máster en Tecnologías de Análisis de Big Data en la misma universidad. En la actualidad, estoy investigando para mi tesis doctoral, centrada en métodos de explicabilidad de modelos de inteligencia artificial aplicados a entornos industriales y sistemas de detección de anomalías sobre datos temporales.

Soy miembro del CyberDataLab, un grupo de investigación formado por más de 70 investigadores y 6 líneas de investigación.

También me interesa la divulgación científica y he participado en diversas ferias de la ciencia dirigidas a institutos de secundaria en la Región de Murcia.

Educación

• 2018–2023
  Grado en Matemáticas
  Universidad de Murcia
  TFG: Optimización del despiece para Grupo Fuertes
  Tutores: José Fernández Hernández, Manuel Andrés Pulido Cayuela

  Grado en Ingeniería Informática
  Universidad de Murcia
  TFG: Automatic differentiation reimplementation of Elastic Net with PyTorch and its applications to variable selection
  Tutor: Juan Botía Blaya
• 2023–2024
  Máster en Tecnologías de Análisis de Big Data
  Universidad de Murcia
  TFM: TimeGroup-Shapley, un método de interpretabilidad para modelos de detección de anomalías sobre series temporales basado en los valores Shapley
  Tutores: Ángel Luis Perales Gómez, Lorenzo Fernández Maimó

Actividad investigadora y ayudas

• 2021–2022
  Alumno interno
  Supervisor: Rafael Valencia García
  Departamento: Departamento de Informática y Sistemas
  Colaboración en actividades de investigación relacionadas con las Tecnologías del Lenguaje Humano.
• 2022–2023
  Beca de colaboración
  Supervisor: Juan Botía Blaya
  Entidad financiadora: Ministerio de Educación y Formación Profesional
  Desarrollo de tareas de investigación relacionadas con la reimplementación de métodos de regresión penalizada con PyTorch y su aplicación a la selección de variables.
• 2025–actualidad
  Beca Séneca Industrial FPI
  Código: 22954/FPI/25
  Entidad financiadora: Fundación Séneca
  Cofinanciada por: SCORPION Cybertechnologies
  Tutor en la empresa: Félix Gómez Mármol
  Ficha de la ayuda

  Tesis doctoral en desarrollo
  Título: Desarrollo de métodos de explicabilidad y mitigación en modelos de aprendizaje automático para la detección de anomalías en entornos industriales
  Área de conocimiento: Tecnologías de la información y de las comunicaciones
  Grupo de investigación: CyberDataLab
  Director: Ángel Luis Perales Gómez
  Codirector: Lorenzo Fernández Maimó
  Programa de doctorado: Informática
  Estado de tesis: En desarrollo
  Empresa colaboradora: SCORPION Cybertechnologies
  Tutor en la empresa: Félix Gómez Mármol

Publicaciones

Artículos en revistas

• 2025
  ShaTS: A Shapley-based Explainability Method for Time Series Artificial Intelligence Models applied to Anomaly Detection in Industrial Internet of Things
  Autores: Manuel Franco de la Peña, Ángel Luis Perales Gómez, Lorenzo Fernández Maimó
  Elsevier, Future Generation Computer Systems, Vol. 176, 2026, Art. 108178
  ISSN: 0167-739X
  DOI: 10.1016/j.future.2025.108178

Participación en congresos

• 2026
  Comunicación oral
  A Review of ShaTS: A Shapley-based Explainability Method for Time Series Artificial Intelligence Models
  Congreso: XI Jornadas Nacionales de Investigación en Ciberseguridad
  Lugar: Barcelona, Cataluña, España
  Fechas: 06/05/2026 – 08/05/2026
  Entidad organizadora: Instituto Nacional de Ciberseguridad, INCIBE
  Forma de contribución: Artículo científico
  Autores: Manuel Franco de la Peña, Ángel Luis Perales Gómez, Lorenzo Fernández Maimó

  Comunicación oral
  Propuesta de un módulo de xAI con degradación controlada para frameworks de AD
  Congreso: XI Jornadas Nacionales de Investigación en Ciberseguridad
  Lugar: Barcelona, Cataluña, España
  Fechas: 06/05/2026 – 08/05/2026
  Entidad organizadora: Instituto Nacional de Ciberseguridad, INCIBE
  Forma de contribución: Artículo científico
  Autores: Manuel Franco de la Peña, Ángel Luis Perales Gómez, Lorenzo Fernández Maimó
• 2025
  Comunicación oral
  Un módulo de explicabilidad basado en los valores Shapley para frameworks de detección de anomalías sobre datos secuenciales: Temporal SHAP
  Congreso: JNIC 2025 – X Jornadas Nacionales de Investigación en Ciberseguridad
  Autores: Manuel Franco de la Peña, Ángel Luis Perales Gómez, Lorenzo Fernández Maimó
  ISBN: 978-84-10169-61-6
  Páginas: 206–213
• 2024
  Comunicación oral
  Un método de interpretabilidad para modelos de detección de anomalías sobre series temporales basado en los valores Shapley: TimeGroup-Shapley
  Congreso: II Congreso de Divulgación Estudiantil
  Entidad organizadora: Universidad de Murcia
  Tipo de participación: Comunicación oral

Docencia

TFGs dirigidos

• 2024–2025
  Estudiante: Laura María Escudero López
  Grado en Matemáticas
  Título: Fundamentos teóricos de los métodos de interpretabilidad basados en el valor de Shapley
  Créditos: 6 ECTS
  Tutores: Ángel Luis Perales Gómez, Manuel Franco de la Peña

  Estudiante: Laura María Escudero López
  Grado en Ingeniería Informática
  Título: Método de interpretabilidad sobre ShaTS basado en KernelSHAP con memoria temporal
  Créditos: 12 ECTS
  Tutores: Ángel Luis Perales Gómez, Manuel Franco de la Peña
  Calificación: Matrícula de Honor
• 2025–2026
  Estudiante: Jesús González Díaz
  Grado en Ingeniería Informática
  Título: Estudio de la convergencia de las aproximaciones de los valores Shapley según el conjunto de background
  Créditos: 12 ECTS
  Tutores: Ángel Luis Perales Gómez, Manuel Franco de la Peña

  Estudiante: Jesús González Díaz
  Grado en Matemáticas
  Título: Estudio de la convergencia de las aproximaciones de los valores Shapley según el conjunto de background
  Créditos: 6 ECTS
  Tutores: José María Jorquera Valero, Manuel Franco de la Peña

  Estudiante: Mercedes López Caballero
  Grado en Ingeniería Informática
  Título: Del porqué al qué hacer: transformando explicaciones en acciones mitigadoras para la detección de anomalías industriales
  Créditos: 12 ECTS
  Tutores: Ángel Luis Perales Gómez, Manuel Franco de la Peña

Proyectos de I+D+i

• 2023–2025
  DETECTING FEASIBLE CYBERATTACKS TO INCREASE CYBERSECURITY AND CYBERDEFENCE IN EXPERIMENTAL LABORATORIES, DEFENDER
  Entidad: Universidad de Murcia
  Investigadores principales: Lorenzo Fernández Maimó, Gregorio Martínez Pérez
  Tipo de participación: Miembro de equipo
  Cuantía: 600.000 €
• 2022–2025
  European Framework And Proofs-Of-Concept For The Intelligent Automation of Cyber Defence Incident Management
  Entidad: Universidad de Murcia
  Investigadores principales: Manuel Gil Pérez, Gregorio Martínez Pérez, Félix Jesús García Clemente, Félix Gómez Mármol, Alberto Huertas Celdrán, Sergio López Bernal, Ángel Luis Perales Gómez, José Antonio Ruipérez Valiente, Lorenzo Fernández Maimó
  Tipo de participación: Miembro de equipo
  Cuantía: 1.921.250 €

Proyectos de innovación docente

• 2025-2026
  Gamificación en asignaturas de Arquitectura de Computadores mediante recursos gráficos interactivos
  Tipo de participación: Coordinador

Actividades de divulgación

• 2025
  ¿Estudias o ChatGePeTeas?
  Evento: Noche Europea de los Investigadores y las Investigadoras
  Tipo de evento: Feria
  Lugar: Murcia, España
  Entidad organizadora: Universidad de Murcia, Julián Valero Torrijos
  

  Inteligencia Artificial Explicada
  Evento: Jornadas de la Ciencia y la Tecnología
  Tipo de evento: Feria
  Lugar: Murcia, España
  Entidad organizadora: IES Francisco Cascales

  Voluntario en la Feria de la Ciencia 2025
  Evento: Semana de la Ciencia y la Tecnología 2025
  Caseta: Talento STEM
  Iniciativa: Technovation Girls
• 2024
  Inteligencia Artificial
  Evento: Jornadas de la Ciencia y la Tecnología
  Tipo de evento: Feria
  Lugar: Murcia, España
  Fecha: 01/05/2024
  Entidad organizadora: IES Francisco Cascales
• 2023
  Introducción al lenguaje computacional
  Evento: Jornadas de la Ciencia y la Tecnología
  Tipo de evento: Feria
  Lugar: Murcia, España
  Fecha: 01/05/2023
  Entidad organizadora: IES Francisco Cascales

Enlaces útiles

• Google Scholar
• ORCID
• LinkedIn
• Contacto por email