La novedad de este artículo radica en determinar y utilizar hiperparámetros para mejorar el algoritmo de Bosque de Aislamiento Extendido (EIF), un algoritmo relativamente nuevo, para detectar actividades maliciosas en el tráfico de red. El algoritmo EIF es una variación del algoritmo de Bosque de Aislamiento, conocido por su eficacia en la detección de anomalías en datos de alta dimensión. Nuestra investigación evalúa el rendimiento del modelo EIF en un conjunto de datos recién creado compuesto por Registros de Conexión de Zeek, UWF-ZeekDataFall22. Para manejar el enorme volumen de datos involucrados en esta investigación, se emplea el Sistema de Archivos Distribuido de Hadoop (HDFS) para un almacenamiento eficiente y tolerante a fallos, y se utiliza el marco de trabajo Apache Spark, una poderosa plataforma de análisis de Big Data de código abierto, para tareas de aprendizaje automático (ML). Los mejores resultados para el algoritmo EIF provinieron del nivel de 0-extensión. Obtuvimos una precisión del 82.3% para la táctica de Desarrollo de Recursos, 82.21% para la táctica de Reconocimiento y 78.3% para la táctica de Descubrimiento.