Los Vehículos Aéreos No Tripulados (VANT) se emplean cada vez más en diversos ámbitos, incluyendo la comunicación, el ámbito militar y las operaciones de entrega. Su dependencia del Sistema de Posicionamiento Global (GPS) los hace vulnerables a ataques de suplantación de GPS, en los que los adversarios transmiten señales falsas para manipular la navegación de los VANT, lo que puede llevar a graves riesgos de seguridad. Este documento presenta una integración mejorada de redes de Memoria a Largo y Corto Plazo (LSTM) con un Algoritmo Genético (AG) para la detección de suplantación de GPS. Aunque las combinaciones de AG y redes neuronales han existido durante décadas, nuestro método amplía el espacio de búsqueda del AG para optimizar una gama más amplia de hiperparámetros, mejorando así la adaptabilidad en escenarios operativos dinámicos. El marco se evalúa utilizando un conjunto de datos de suplantación de GPS del mundo real que incluye señales auténticas y maliciosas bajo múltiples condiciones de ataque. Si bien discutimos estrategias para mitigar las demandas de recursos de la CPU y la sobrecarga computacional, reconocemos que las mediciones directas del consumo de energía o la latencia de inferencia no están incluidas en el presente trabajo. Los resultados experimentales muestran que el enfoque LSTM-AG propuesto logró un notable aumento en la precisión de clasificación (del 88.42% al 93.12%) y en la puntuación F1 (del 87.63% al 93.39%). Estos hallazgos destacan el potencial del sistema para fortalecer la seguridad de los VANT contra ataques de suplantación de GPS, siempre que se gestionen cuidadosamente las limitaciones de hardware y otras restricciones en implementaciones reales.