Con la popularidad de la tecnología de Internet de las Cosas (IoT), la seguridad de la red IoT se ha convertido en un tema importante. Los sistemas tradicionales de detección de intrusiones tienen sus limitaciones cuando se aplican a la red IoT debido a las restricciones de recursos y la complejidad. Esta investigación se centra en el diseño, implementación y prueba de un sistema de detección de intrusiones que utiliza una estrategia de ubicación híbrida basada en un sistema multiagente, blockchain y algoritmos de aprendizaje profundo. El sistema consta de los siguientes módulos: recopilación de datos, gestión de datos, análisis y respuesta. Se utiliza el conjunto de datos NSL-KDD del laboratorio de seguridad nacional-descubrimiento de conocimiento y minería de datos para probar el sistema. Los resultados demuestran la eficacia de los algoritmos de aprendizaje profundo al detectar ataques desde la capa de transporte. El experimento indica que los algoritmos de aprendizaje profundo son adecuados para la detección de intrusiones en el entorno de la red IoT.