El progreso reciente en las infraestructuras de blockchain y comunicación inalámbrica ha allanado el camino para crear sistemas basados en blockchain que protegen la integridad de los datos y permiten el intercambio seguro de información. A pesar de estos avances, las preocupaciones sobre la seguridad y la privacidad continúan obstaculizando la adopción generalizada de la tecnología blockchain, especialmente al compartir datos sensibles. Se deben abordar ataques de seguridad específicos contra blockchains, como ataques de envenenamiento de datos, filtraciones de privacidad y un único punto de falla, para desarrollar infraestructuras de TI eficientes respaldadas por blockchain. Este estudio propone el uso de métodos de aprendizaje profundo, incluidos Long Short-Term Memory (LSTM), Bi-directional LSTM (Bi-LSTM) y red neuronal convolucional LSTM (CNN-LSTM), para detectar ataques de phishing en una red de transacciones de blockchain. Estos métodos se evaluaron en un conjunto de datos que comprende direcciones maliciosas y benignas del conjunto de datos de la lista negra y lista blanca de Ethereum, y los resultados mostraron una precisión del 99.72%.