Actualmente en Honduras existe una deficiencia en la detección de líneas telefónicas utilizadas para tráfico gris en redes GSM, debido a la variabilidad de los factores principales considerados y la rigidez de los métodos tradicionales de detección. El presente estudio tiene como propósito conocer factores característicos de líneas telefónicas utilizadas para tráfico gris en Honduras, con la finalidad de utilizar el conocimiento de dicho perfil para la detección de casos de fraude mediante una red neuronal con aprendizaje supervisado. Los resultados del estudio se presentan de forma separada para el enfoque cualitativo y cuantitativo, de forma que se comprendan los factores más significativos encontrados en cada análisis. Con la caracterización tanto del perfil de línea telefónica de tráfico gris como de línea telefónica legal, se procedió a construir un modelo de red neuronal con un 99% de efectividad de detección, y para efectos prácticos de aplicabilidad se describen las bases para la posterior construcción de un modelo de detección de tráfico gris.Honduras currently suffers a deficiency in the detection of mobile telephone lines used for bypass in GSM networks, due to the variable nature of the main factors considered, and the rigidity of traditional detection methods. The present study aims to find characteristic factors of telephone lines used for bypass, in order to use this knowledge for detection of bypass cases through the use of a neural network with supervised learning. The results of this study are presented separately for the qualitative and quantitative approach, for a better understanding of the most significant factors discovered. With the characterization of both the bypass telephone line and the legal telephone line, the study proceeds to build a neural network model with 99% detection efficiency, and for applicability matters, the basics are described for the subsequent construction of a bypass detection model.