Este proyecto desarrolla e implementa modelos de Inteligencia Artificial para la detección de intrusiones en redes (Network Intrusion Detection System - NIDS), utilizando técnicas de Machine Learning y Deep Learning sobre el conjunto de datos de referencia CIC-IDS-2017.
El objetivo principal es identificar y clasificar flujos de red como tráfico legítimo (BENIGN) o tráfico malicioso asociado a diferentes tipos de ataques cibernéticos, contribuyendo al fortalecimiento de los sistemas de ciberseguridad mediante técnicas de análisis de datos e inteligencia artificial.
- Camilo Andrés Bracho Rueda @IIPythonxx
- Sofia Victoria Vega Suarez @codebysofiav
- Juan David Ascanio Esparza @Juan-David-Ascanio
El crecimiento constante de los ciberataques ha generado la necesidad de desarrollar mecanismos de detección más robustos que complementen los sistemas tradicionales basados en firmas.
En este proyecto se implementa un enfoque basado en aprendizaje automático, donde diferentes modelos son entrenados para aprender patrones de comportamiento presentes en el tráfico de red y distinguir entre actividades legítimas y actividades maliciosas.
Se evaluaron técnicas de:
- Machine Learning supervisado.
- Deep Learning.
- Aprendizaje no supervisado.
- Reducción de dimensionalidad.
El sistema permite realizar:
- Clasificación binaria: determinar si un flujo corresponde a tráfico benigno o a un ataque.
- Cantidad de datos: aproximadamente 2.8 millones de registros distribuidos en múltiples archivos CSV.
- Fuente oficial: https://www.unb.ca/cic/datasets/ids-2017.html
- Versión utilizada: https://www.kaggle.com/code/zulfianarahmi100/cic-ids-2017
El dataset contiene tráfico de red real capturado durante cinco días (3 al 7 de julio de 2017) en un entorno controlado por el Canadian Institute for Cybersecurity.
Los flujos de red fueron generados utilizando la herramienta CICFlowMeter, que calcula más de 80 características estadísticas por flujo, incluyendo:
- Duración de conexiones.
- Conteo de paquetes.
- Volumen de bytes transmitidos.
- Estadísticas de tamaño de paquetes.
- Indicadores TCP.
- Tasas de transferencia.
- Variables temporales de actividad del flujo.
- BENIGN (Tráfico legítimo)
- DoS Hulk
- DoS GoldenEye
- DoS slowloris
- DoS Slowhttptest
- DDoS
- PortScan
- FTP-Patator
- SSH-Patator
- Bot
- Web Attack – Brute Force
- Web Attack – XSS
- Web Attack – SQL Injection
- Infiltration
- Heartbleed
El desarrollo del proyecto siguió un flujo clásico de ciencia de datos:
- Descarga e integración de los archivos del dataset CIC-IDS-2017.
- Consolidación de la información para el análisis y modelado.
- Eliminación de valores nulos.
- Tratamiento de valores infinitos.
- Limpieza de registros inconsistentes.
- Codificación de variables categóricas.
- Normalización y estandarización de características.
Se realizó una reducción de dimensionalidad sobre las más de 80 variables originales, conservando únicamente aquellas con mayor relevancia para la detección de intrusiones.
Además, se generaron nuevas variables mediante técnicas de feature engineering para capturar relaciones entre características del tráfico de red.
Se implementaron y compararon diferentes algoritmos de clasificación:
- Gaussian Naive Bayes (GNB)
- Decision Tree (DT)
- Random Forest (RF)
- Support Vector Machine (SVM)
Se desarrollaron múltiples arquitecturas de Redes Neuronales Densas (DNN), evaluando diferentes configuraciones de:
- Número de capas ocultas.
- Cantidad de neuronas.
- Funciones de activación.
- Técnicas de regularización.
Se exploraron técnicas de agrupamiento para analizar patrones presentes en los datos sin utilizar etiquetas.
Se aplicaron técnicas como:
- PCA (Principal Component Analysis)
- t-SNE (t-Distributed Stochastic Neighbor Embedding)
con el fin de visualizar la estructura de los datos y evaluar la separabilidad entre clases.
Los modelos fueron evaluados mediante:
- Accuracy
- Precision
- Recall (TPR)
- Especificidad (TNR)
- F1-Score
- Matriz de Confusión
Debido a la naturaleza del problema, se dio especial importancia al Recall (TPR), ya que minimizar falsos negativos es fundamental en sistemas de detección de intrusiones.
https://www.youtube.com/watch?v=KpxOBqYJfSk
https://github.com/codebysofiav/CybersecurityIA_Proyecto_Final
https://www.kaggle.com/code/zulfianarahmi100/cic-ids-2017
Asignatura: Inteligencia Artificial
Universidad: Universidad Industrial de Santander (UIS)
Semestre: 2026-1