Las redes en vehículos (IVNs) son redes que permiten la comunicación entre diferentes componentes electrónicos en un vehículo, como sistemas de infoentretenimiento, sensores y unidades de control. A medida que estas redes se vuelven más complejas e interconectadas, se vuelven más vulnerables a ciberataques que pueden comprometer la seguridad y la privacidad. La detección de anomalías es una herramienta importante para detectar posibles amenazas y prevenir ciberataques en IVNs. La técnica propuesta de detección de anomalías basada en aprendizaje automático utiliza aprendizaje profundo e ingeniería de características para identificar comportamientos anómalos en tiempo real. La ingeniería de características implica seleccionar y extraer características relevantes de los datos que son útiles para detectar anomalías. El aprendizaje profundo implica el uso de redes neuronales para aprender patrones y relaciones complejas en los datos. Nuestros experimentos muestran que la técnica propuesta ha logrado una alta precisión en la detección de anomalías y supera a los métodos existentes de última generación. Esta técnica puede ser utilizada para mejorar la seguridad de los IVNs y prevenir ciberataques que pueden tener consecuencias graves para los conductores y pasajeros.