A pesar de los considerables avances en la integración del Internet de las Cosas (IoT) y la inteligencia artificial (IA) dentro del marco de mantenimiento industrial, la creciente dependencia de estas tecnologías innovadoras introduce vulnerabilidades significativas debido a los riesgos de ciberseguridad, lo que podría comprometer la integridad de los procesos de toma de decisiones. En consecuencia, este estudio tiene como objetivo ofrecer información integral sobre los desafíos de ciberseguridad asociados con el mantenimiento predictivo, proponiendo una nueva metodología que aprovecha la IA generativa para la augmentación de datos, mejorando las capacidades de detección de amenazas. Las evaluaciones experimentales realizadas utilizando el conjunto de datos del Sistema de Simulación Aero-Propulsión Modular Comercial de la NASA (N-CMAPSS) confirman la viabilidad de este enfoque que utiliza el modelo TimeGAN de última generación para la generación de datos con conciencia temporal y la construcción de un clasificador recurrente para la discriminación de ataques en un conjunto de datos equilibrado. Los resultados del clasificador demuestran el rendimiento satisfactorio y robusto alcanzado en términos de precisión (entre el 80% y el 90%) y cómo la generación estratégica de datos puede fortalecer efectivamente la resiliencia de los sistemas de mantenimiento inteligente contra amenazas cibernéticas.