El continuo desarrollo de las tecnologías de red juega un papel importante en aumentar la utilización de estas tecnologías en muchos aspectos de nuestras vidas, incluyendo el comercio electrónico, la banca electrónica, las redes sociales, la e-salud y el e-learning. En tiempos recientes, los sitios web de phishing han surgido como una importante amenaza de ciberseguridad. Los sitios web de phishing son páginas web falsas creadas por hackers para imitar las páginas web de sitios reales con el fin de engañar a las personas y robar su información privada, como nombres de usuario y contraseñas de cuentas. La detección precisa de sitios web de phishing es un problema desafiante porque depende de varios factores dinámicos. Los métodos de conjunto se consideran la solución de vanguardia para muchas tareas de clasificación. El aprendizaje de conjunto combina las predicciones de varios clasificadores separados para obtener un rendimiento superior al de un solo clasificador. Este documento propone un enfoque inteligente de aprendizaje de conjunto para la detección de sitios web de phishing basado en votación suave ponderada para mejorar la detección de sitios web de phishing. Primero, se utilizó un clasificador base compuesto por cuatro algoritmos de aprendizaje automático heterogéneos para clasificar los sitios web como sitios de phishing o sitios legítimos. En segundo lugar, se empleó un novedoso método de votación suave ponderada basado en estadísticas Kappa para asignar mayores pesos de influencia a los clasificadores base más fuertes y menores pesos de influencia a los clasificadores base más débiles, y luego integrar los resultados de cada clasificador basado en la votación ponderada suave para diferenciar entre sitios web de phishing y sitios web legítimos. Los experimentos se realizaron utilizando el conjunto de datos de sitios web de phishing disponible públicamente en el Repositorio de Aprendizaje Automático de UCI, que consta de 4898 sitios web de phishing y 6157 sitios web legítimos. Los resultados experimentales mostraron que el enfoque inteligente propuesto para la detección de sitios web de phishing superó a los clasificadores base y al método de votación suave y logró la mayor precisión del 95% y un Área Bajo la Curva (AUC) del 98.8%.