Las redes sociales en línea (OSNs) desempeñan un papel integral en facilitar la interacción social; sin embargo, estas redes sociales aumentan el comportamiento antisocial, como el ciberacoso, los discursos de odio y el troleo. La agresión o discurso de odio que tiene lugar a través del servicio de mensajes cortos (SMS) o Internet (por ejemplo, en plataformas de redes sociales) se conoce como ciberacoso. Por lo tanto, la detección automática utilizando procesamiento de lenguaje natural (NLP) es un primer paso necesario que ayuda a prevenir el ciberacoso. Esta investigación propone un método automático de ciberacoso para detectar comportamientos agresivos utilizando un modelo consolidado de aprendizaje profundo. Esta técnica utiliza aprendizaje profundo multicanal basado en tres modelos, a saber, la unidad recurrente bidireccional con compuertas (BiGRU), bloque transformador y red neuronal convolucional (CNN), para clasificar comentarios de Twitter en dos categorías: agresivos y no agresivos. Tres conjuntos de datos de discursos de odio bien conocidos se combinaron para evaluar el rendimiento del método propuesto. El método propuesto logró resultados prometedores. La precisión del método propuesto fue aproximadamente del 88%.