El presente trabajo tiene como principal objetivo el desarrollo de un prototipo capaz de aprender del comportamiento de los usuarios y detectar anomalías, para ser usado en el contexto de autenticación de usuarios. Para esto, se realizó una prueba de concepto para analizar la viabilidad técnica de un sistema de autenticación pasiva y continua basada en el comportamiento. También se desarrolló un servicio web que implementa cuatro algoritmos, los cuales analizan distintos aspectos del comportamiento de los usuarios. Dos de ellos aplican machine learning, basándose en clustering y cadena de Markov. Debido a la falta de estándares para la prueba de algoritmos de machine learning, se desarrolló un proceso y un sistema que combina la prueba y optimización de dichos algoritmos con niveles de prueba de software tradicionales. El proyecto se realizó aplicando técnicas y procesos de metodologías ágiles. La prueba de concepto consistió en la realización de un prototipo que se evolucionó iterativamente. El prototipo fue utilizado diariamente por un grupo de aproximadamente diez personas durante cinco meses por lo que fue probado experimentalmente. Además, se realizaron pruebas con una serie de datasets creados a partir de los datos de uso del sistema, donde se obtuvieron áreas bajo la curva característica operativa del receptor mayores a 0,85 para los algoritmos de machine learning implementados. Se concluye el análisis de viabilidad de forma positiva, afirmando que el sistema planteado es posible.