En términos de Internet y comunicación, la seguridad es el aspecto desafiante fundamental. Hay numerosas formas de dañar la seguridad de los usuarios de Internet; la más común es el phishing, que es un tipo de ataque que tiene como objetivo robar o usar indebidamente la información personal de un usuario, incluida la información de la cuenta, la identidad, las contraseñas y los detalles de la tarjeta de crédito. Los phishers recopilan información sobre los usuarios mediante la imitación de sitios web originales que son indistinguibles a simple vista. La información sensible sobre los usuarios puede ser accedida y podrían estar sujetos a daños financieros o robo de identidad. Por lo tanto, hay una fuerte necesidad de desarrollar un sistema que detecte eficientemente sitios web de phishing. En este artículo se proponen tres técnicas distintas basadas en el aprendizaje profundo para identificar sitios web de phishing, incluidas la memoria a largo plazo y corto plazo (LSTM) y la red neuronal convolucional (CNN) para su comparación, y por último, un enfoque basado en LSTM-CNN. Los hallazgos experimentales demuestran la precisión de las técnicas sugeridas, es decir, 99,2%, 97,6% y 96,8% para CNN, LSTM-CNN y LSTM, respectivamente. El método propuesto de detección de phishing demostrado por el sistema basado en CNN es superior.