Los teléfonos inteligentes se han vuelto omnipresentes, permitiendo a las personas realizar diversas tareas en cualquier momento y lugar. A medida que la tecnología continúa avanzando, los teléfonos inteligentes ahora pueden detectar y conectarse a redes, proporcionando conciencia contextual para diferentes aplicaciones. Muchas personas almacenan datos sensibles en sus dispositivos, como credenciales financieras e información personal, debido a la conveniencia y accesibilidad. Sin embargo, perder el control de estos datos plantea riesgos si el teléfono se pierde o es robado. Si bien las contraseñas, los PIN y los patrones de bloqueo son métodos de seguridad comunes, aún pueden ser comprometidos a través de explotaciones como el residuo de manchas al tocar la pantalla. Esta investigación exploró el aprovechamiento de los sensores del teléfono inteligente para autenticar a los usuarios en función de patrones de comportamiento al operar el dispositivo. La técnica propuesta utiliza un modelo de aprendizaje profundo llamado DeepResNeXt, un tipo de red residual profunda, para identificar con precisión a los propietarios de teléfonos inteligentes a través de datos de sensores de manera eficiente. Se utilizaron conjuntos de datos de teléfonos inteligentes disponibles públicamente para entrenar el modelo sugerido y otras redes de última generación para llevar a cabo el reconocimiento de usuarios. Múltiples experimentos validaron la efectividad de este marco, superando modelos de referencia anteriores en esta área con una puntuación F1 máxima del 98.96%.