En la actualidad múltiples empresas de desarrollo dedicadas a la detección de software malicioso utilizan técnicas de aprendizaje mejorando los métodos comunes que provocan infecciones a un sistema de computadores. Este trabajo muestra una técnica que detecta software malicioso analizando el comportamiento de resultado final de un clasificador, definiendo parámetros y así conocer si se trata de un programa malicioso. Se mostrarán varios escenarios en el cual tendremos muestras de datos y así poder comprobar si se trata de un componente que realmente realice daño o una falsa alarma de un objeto que no tendrá ningún efecto en el sistema. De esta forma a través de esta investigación se logrará diseñar una red neuronal para la predicción de malware trabajando con diferentes familias para la clasificación de estas mismas, logrando un porcentaje de entrenamiento adecuado para la detección de software malicioso. Asimismo por recomendar ciertos aspectos de mejora y desarrollo para este tipo de investigaciones a través de redes neuronalesToday, multiple development companies dedicated to detecting malicious software detect enhanced learning techniques, the common methods that cause infections in a computer system. This work shows a technique that detects malicious software by analyzing the behavior of the final result of a classifier, defining parameters and thus knowing if it is a malicious program. Several scenarios will be shown in which we will have data samples and thus be able to verify if it is a component that is really damaged or a false alarm of an object that has no effect on the system.