Este artículo de revisión describe una revisión de la literatura sobre métodos de aprendizaje profundo (DL) para aplicaciones de ciberseguridad. Se proporciona una breve descripción en estilo tutorial de cada método de DL, incluidos autoencoders profundos, máquinas de Boltzmann restringidas, redes neuronales recurrentes, redes generativas antagónicas y varios otros. Luego discutimos cómo se utiliza cada uno de los métodos de DL para aplicaciones de seguridad. Cubrimos una amplia variedad de tipos de ataque, incluidos malware, spam, amenazas internas, intrusiones en redes, inyección de datos falsos y nombres de dominio maliciosos utilizados por botnets.