En los últimos años, se ha logrado un progreso significativo en la aplicación del aprendizaje federado (FL) en varios aspectos de la seguridad cibernética, como la detección de intrusiones, la protección de la privacidad y la detección de anomalías. Sin embargo, la robustez del aprendizaje federado ante ataques maliciosos (como ataques adversarios, ataques de puerta trasera y ataques de envenenamiento) es débil, y la asignación injusta de recursos conduce a una convergencia lenta y a una eficiencia de comunicación ineficiente en relación con los modelos de FL. Además, la escasez de muestras maliciosas durante el entrenamiento del modelo de FL y la heterogeneidad de los datos resultan en una falta de personalización en los modelos de FL. Estos desafíos representan obstáculos significativos para la aplicación del aprendizaje federado en el campo de la seguridad cibernética. Para abordar estos problemas, se ha propuesto la introducción del meta-aprendizaje en el aprendizaje federado, lo que ha dado lugar al desarrollo de modelos de meta-aprendizaje federados. Estos modelos tienen como objetivo entrenar modelos personalizados para cada cliente, reduciendo las discrepancias de rendimiento entre diferentes clientes y mejorando la equidad del modelo. Con el fin de avanzar en la investigación sobre el meta-aprendizaje federado y sus aplicaciones en el campo de la seguridad cibernética, este documento primero introduce los algoritmos de meta-aprendizaje federado. Basándose en diferentes principios de uso, estos algoritmos se clasifican en algoritmos de personalización a nivel de cliente, algoritmos de red, algoritmos de predicción y algoritmos de recomendación, y se presentan y analizan exhaustivamente. Posteriormente, el documento divide los problemas actuales de seguridad cibernética en el dominio de la red en tres ramas: seguridad del contenido de la información, seguridad de la red y seguridad del sistema de información. Para cada rama, se explican y comparan los métodos de investigación y los logros de la aplicación del meta-aprendizaje federado, resaltando las ventajas y desventajas del meta-aprendizaje federado en la resolución de diferentes problemas de seguridad cibernética. Finalmente, el documento concluye con una perspectiva sobre la aplicación profunda del meta-aprendizaje federado en el campo de la seguridad cibernética.