El reciente desarrollo y adopción de vehículos aéreos no tripulados (UAVs) se debe a su amplia variedad de aplicaciones en el sector público y privado, desde la entrega de paquetes hasta la conservación de la vida silvestre. La integración de UAVs, 5G y tecnologías satelitales ha llevado a que las redes de telecomunicaciones evolucionen para proporcionar un servicio de mayor calidad y más estable en áreas remotas. Sin embargo, las preocupaciones de seguridad con los UAVs están creciendo, ya que los nodos de UAV se están convirtiendo en objetivos atractivos para ciberataques debido al crecimiento enorme de volúmenes y a una seguridad interna deficiente y débil. En este documento, proponemos un modelo de seguridad de red 5G basado en UAVs y satélites que puede aprovechar el aprendizaje automático para detectar de manera efectiva vulnerabilidades y ciberataques. La solución se divide en dos partes principales: la creación del modelo para la detección de intrusiones utilizando varios algoritmos de aprendizaje automático (ML) y la implementación del modelo basado en ML en pasarelas terrestres o satelitales. El sistema identifica varios tipos de ataques utilizando conjuntos de datos de red realistas CSE-CIC IDS-2018 publicados por el Establecimiento Canadiense de Ciberseguridad (CIC). Consta de siete tipos diferentes de nuevos y contemporáneos tipos de ataques. Este documento demuestra que los algoritmos de ML pueden utilizarse para clasificar paquetes benignos o maliciosos en redes UAV para mejorar la seguridad. Finalmente, se comparan los algoritmos de ML probados en cuanto a efectividad en términos de tasa de precisión, precisión, recall, puntuación F1 y tasa de falsos negativos. El algoritmo de árbol de decisión tuvo un buen desempeño al obtener una tasa de precisión máxima del 99.99% y una tasa de falsos negativos mínima del 0% en la detección de varios ataques en comparación con todos los demás tipos de clasificadores de ML.