Debido a la masiva utilización del internet en la actualidad, se ha echo común la ocurrencia de ataques cibernéticos y violaciones de seguridad. Son muchos los mecanismos utilizados para realizar estas acciones, donde el uso de los bots malignos ha ganado gran relevancia. Una gran cantidad de sitios web se ven influenciados diariamente por este problema, siendo el comercio electrónico, uno de los más afectados en los últimos años. Existen diversas aproximaciones para la detección de bots, destacándose técnicas de inteligencia artificial, como es el caso del aprendizaje profundo y aprendizaje automático; tanto el supervisado como el no supervisado.
El presente trabajo se propone la implementación del algoritmo de aprendizaje supervisado Random Forest para la detección de bots en sitios de comercio electrónico. Mediante esta implementación se comprueba la influencia de los parámetros en el rendimiento del mismo; basado en el porcentaje de instancias correctamente clasificadas, a partir de un diseño experimental. Además de una comparación con otros algoritmos propuestos por varios artículos del estado del arte. Los resultados obtenidos en la experimentación, permiten apreciar que la propuesta de solución alcanza hasta un 99.88% de instancias correctamentes clasificadas. Por lo que puede ser utilizado para la detección de bots.