Los ataques de Denegación de Servicio Distribuido por Reflejo Distribuido (DRDoS) de amplificación del Servidor de Nombres de Dominio (DNS) son una técnica de ataque de Denegación de Servicio Distribuido (DDoS) en la que varios sistemas informáticos falsifican la IP original del sistema objetivo, envían una solicitud al servidor DNS y luego envían una gran cantidad de paquetes de respuesta al sistema objetivo. En este ataque, es difícil identificar al atacante debido a su capacidad para engañar a la fuente, y a diferencia de los ataques DDoS basados en TCP, generalmente utiliza el protocolo UDP, que tiene una velocidad de comunicación rápida y amplifica el tráfico de red mediante la manipulación simple de opciones, lo que lo convierte en una de las técnicas de DDoS más ampliamente utilizadas. En este estudio, proponemos un modelo simple de red neuronal convolucional (CNN) diseñado para detectar el tráfico de ataques DRDoS de amplificación de DNS y cuyos hiperparámetros se ajustan a través de experimentos. Como resultado de evaluar la precisión del modelo CNN propuesto para detectar ataques DRDoS de amplificación de DNS, la precisión promedio del experimento fue de 0.9995, lo cual fue significativamente mejor que varios modelos de aprendizaje automático (ML) en términos de rendimiento. También mostró un buen rendimiento en comparación con otros modelos de aprendizaje profundo (DL) y, en particular, se confirmó que esta CNN simple tenía el tiempo más rápido en términos de ejecución en comparación con otros modelos de aprendizaje profundo mediante experimentación.