Balarezo López, Julio EnriqueYambay Miño, Santiago EstivenUniversidad Técnica de Ambato. Facultad de Ingeniería en Sistemas Electrónica e Industrial. Carrera de Software.2026-07-092026-07-08https://repositorio.uta.edu.ec/handle/123456789/47393El control de paso a las áreas de cajas y bóveda de la Cooperativa de Ahorro y Crédito SOL presentaba vulnerabilidades de protección debido a la dependencia de bitácoras manuales, lo cual generaba riesgos de suplantación junto con errores de anotación y falta de trazabilidad, por consiguiente la finalidad principal de la investigación fue desarrollar un aplicativo automatizado de validación de entradas basado en reconocimiento facial utilizando redes neuronales convolucionales para resguardar las instalaciones, para lograrlo el estudio aplicó una metodología de campo y aplicada con enfoque mixto, empleando encuestas, entrevistas y fichas de observación dirigidas a una muestra de 12 empleados para diagnosticar la situación inicial, como resultado el aplicativo propuesto mitigó 4 riesgos de alta severidad y cumplió con 7 requerimientos operativos, además al comparar 2 modelos tecnológicos el programa de aprendizaje transferido con la librería Deep Face presentó mejor desempeño comparativo al clasificador de aprendizaje supervisado local, puesto que el sistema de inteligencia profunda utilizó 100 fotografías de referencia por empleado autorizado, alcanzando una exactitud del 98 por ciento, una precisión del 96.15 por ciento y una sensibilidad del 100 por ciento, mientras que el modelo local demandó 300 fotografías obteniendo apenas un 55 por ciento de exactitud con 89 falsos negativos, por lo tanto se concluyó que la implementación de redes neuronales eliminó la dependencia de registros físicos y automatizó la comprobación biométrica en tiempo real, proporcionando así una administración de accesos más segura y auditable para la institución financiera.Access control to the cash register and vault areas of Cooperativa de Ahorro y Crédito SOL presented security vulnerabilities due to the reliance on manual logs, which generated risks of identity impersonation, recording errors, and lack of traceability. Therefore, the main objective of this research was to develop an automated access validation application based on facial recognition using convolutional neural networks. The study applied a field and applied methodology with a mixed approach, using surveys, interviews, and observation sheets addressed to a sample of 12 employees in order to diagnose the initial situation. As a result, the proposed application mitigated four high-severity risks and fulfilled seven operational requirements. Furthermore, when comparing two technological models, the transfer learning program implemented with the DeepFace library showed better comparative performance than the local supervised learning classifier, since it used 100 reference photographs per authorized employee, achieving an accuracy of 98 percent, a precision of 96.15 percent, and a sensitivity of 100 percent. In contrast, the local model required 300 photographs and obtained 55 percent accuracy with 89 false negatives. Thus, it was concluded that the implementation of neural networks reduced dependence on physical records and automated biometric verification in real time, providing a more secure, traceable, and auditable access management process for the financial institution.esCONTROL DE ACCESORECONOCIMIENTO FACIALREDES NEURONALES CONVOLUCIONALESSEGURIDAD INSTITUCIONALDEEP FACECOOPERATIVA DE AHORRO Y CRÉDITO SOL.Thesis