Los ataques de inyección SQL son uno de los tipos de ataques más comunes en las aplicaciones web. Estos ataques explotan vulnerabilidades en los mecanismos de acceso a la base de datos de una aplicación, lo que permite a los atacantes ejecutar consultas SQL no autorizadas. En este estudio, proponemos una arquitectura para detectar ataques de inyección SQL utilizando un autoencoder de red neuronal recurrente. La arquitectura propuesta fue entrenada en un conjunto de datos públicamente disponible de ataques de inyección SQL. Luego, se comparó con varios otros modelos de aprendizaje automático, incluyendo ANN, CNN, árbol de decisión, naive Bayes, SVM, random forest y modelos de regresión logística. Los resultados experimentales mostraron que el enfoque propuesto logró una precisión del 94% y una puntuación F1 del 92%, lo que demuestra su efectividad en la detección de ataques de inyección SQL con alta precisión en comparación con los otros modelos cubiertos en el estudio.