CiberseguridadPROYECTO.ipynb: Detección de Intrusiones con Regresión Logística

Este proyecto utiliza un enfoque de regresión logística para detectar intrusiones cibernéticas basándose en el análisis del tráfico de red y el comportamiento del usuario. El objetivo es identificar patrones que indiquen actividades maliciosas dentro de una red.

Datos

Los datos para este análisis se encuentran en el archivo cybersecurity_intrusion_data.csv. Este conjunto de datos contiene 9,537 registros de actividad de red, con las siguientes características relevantes:

• network_packet_size: Tamaño de los paquetes de red.
• protocol_type: Tipo de protocolo de red utilizado (TCP, UDP, ICMP).
• login_attempts: Número de intentos de inicio de sesión.
• session_duration: Duración de la sesión.
• encryption_used: Tipo de cifrado utilizado (DES, AES).
• ip_reputation_score: Puntuación de reputación de la dirección IP.
• failed_logins: Número de intentos de inicio de sesión fallidos.
• browser_type: Tipo de navegador utilizado (Edge, Firefox, Chrome, Unknown).
• unusual_time_access: Indica si el acceso ocurrió en un horario inusual (0 o 1).
• attack_detected: Variable objetivo que indica si se detectó un ataque (0 o 1).

Librerías Utilizadas

• pandas: Para manipulación y análisis de datos.
• numpy: Para operaciones numéricas.
• matplotlib.pyplot: Para visualización de datos.
• seaborn: Para visualizaciones estadísticas (matriz de confusión).
• sklearn.impute.SimpleImputer: Para manejar valores faltantes.
• sklearn.linear_model.LogisticRegression: Para el modelo de regresión logística.
• sklearn.metrics.confusion_matrix: Para evaluar el rendimiento del modelo.
• sklearn.metrics.accuracy_score: Para calcular la precisión del modelo.

Preprocesamiento de Datos

• Se cargó el dataset cybersecurity_intrusion_data.csv.
• Se verificó la forma de los datos (9537 registros, 11 columnas) y la presencia de valores nulos.
• Los valores faltantes en la columna encryption_used fueron imputados utilizando la estrategia de la "moda" (el valor más frecuente).

Análisis Exploratorio (Parcial)

Se realizó un análisis básico de cada característica en relación con la variable objetivo (attack_detected). Para las características numéricas, se identificaron el mínimo, promedio y máximo durante los ataques. Para las características categóricas, se identificó el valor más frecuente durante los ataques.

Modelado

Se implementó un modelo de regresión logística para predecir si una sesión pertenece a la categoría de "ataque detectado" (1) o no (0).

• Variable Dependiente (Y_train): attack_detected
• Variables Independientes (X_train): network_packet_size, login_attempts, session_duration, failed_logins, unusual_time_access

El modelo de regresión logística fue entrenado utilizando las variables independientes seleccionadas y la variable dependiente.

Evaluación del Modelo

Se evaluó el rendimiento del modelo de regresión logística utilizando una matriz de confusión y la métrica de precisión. La matriz de confusión visualiza el número de predicciones correctas e incorrectas para cada clase (ataque detectado o no detectado). La precisión calcula el porcentaje de predicciones correctas del modelo.