El fenómeno del phishing se ha convertido en una amenaza común, ya que se ha observado que muchos individuos y páginas web son atacados por estafadores. El propósito común de las actividades de phishing es obtener información personal de los usuarios para un uso ilegítimo. Dado el creciente impacto del problema, este estudio tiene como objetivo desarrollar una nueva solución híbrida basada en reglas, incorporando seis modelos de algoritmos diferentes que puedan detectar y controlar eficientemente el problema del phishing. El estudio incluye 37 características extraídas de seis métodos diferentes, que incluyen el método de lista negra, método léxico y de host, método de contenido, método de identidad, método de similitud de identidad, método de similitud visual y método de comportamiento. Además, se realizó un análisis comparativo entre diferentes modelos de aprendizaje automático y aprendizaje profundo, que incluyen CART (árboles de decisión), SVM (máquinas de vectores de soporte) o KNN (vecinos más cercanos) y modelos de aprendizaje profundo como MLP