Analisis INFORMATICO FORENCE

 Por: Guido Fernandez

https://chat.openai.com/share/62b6bfc7-c8f9-4dba-ac75-14a8ae7146b6

Estructura del Proyecto:

1. 1.- Definición de Caso Forense:

   • Identificar el escenario forense, por ejemplo, análisis de un dispositivo en busca de actividades sospechosas.

2. 2.- Recolección de Datos Ficticios:

   • Simular la recolección de datos forenses, como registros de actividad, archivos eliminados y metadatos.

3. 3.- Análisis Forense:

   • Evaluar los datos recolectados para identificar patrones, anomalías y posibles evidencias de actividad maliciosa.

4. 4.- Visualización de resultados:

   • Cree visualizaciones, como líneas de tiempo de actividad y gráficos de relaciones, para comunicar los hallazgos.

Metodología:

1. 1.- Definición de Caso Forense:

   • Escenario: Análisis forense de un sistema comprometido en busca de evidencia de acceso no autorizado.

2. 2.- Recolección de Datos Ficticios:

• Simulación de datos forenses:
• registros_actividad = [('2023-01-01 08:00:00', 'usuario1', 'Inicio de Sesión'),

                         ('2023-01-01 08:30:00', 'usuario2', 'Inicio de Sesión'),

                         ('2023-01-01 09:00:00', 'usuario1', 'Acceso a Documentos'),

                         ('2023-01-01 09:30:00', 'usuario3', 'Inicio de Sesión'),

                         ('2023-01-01 10:00:00', 'usuario1', 'Eliminación de Archivos')]
• 3.- Análisis Forense:
• usuarios_sospechosos = set()

  archivos_eliminados = 0

  
  

  for evento in registros_actividad:

      if evento[2] == 'Inicio de Sesión':

          usuarios_sospechosos.add(evento[1])

      elif evento[2] == 'Eliminación de Archivos':

          archivos_eliminados += 1
• 4.- Visualización de resultados:
• import matplotlib.pyplot as plt

  
  

  # Gráfico de barras para visualizar usuarios sospechosos

  plt.bar(list(usuarios_sospechosos), [1] * len(usuarios_sospechosos), color='red', alpha=0.7)

  plt.title('Usuarios Sospechosos')

  plt.xlabel('Usuarios')

  plt.ylabel('Presencia Sospechosa')

  plt.show()

  
  

  # Gráfico de pastel para visualizar la proporción de archivos eliminados

  plt.pie([archivos_eliminados, len(registros_actividad) - archivos_eliminados],

          labels=['Archivos Eliminados', 'Otros Eventos'],

          autopct='%1.1f%%',

          colors=['red', 'gray'])

  plt.title('Proporción de Archivos Eliminados')

  plt.show()
3. 
   Conclusiones:
4. Este proyecto simula el proceso de análisis forense informático en un escenario específico. Puedes ajustar los datos y las métricas según tus necesidades y expandir la simulación para incluir más detalles forenses. La visualización de resultados es esencial para comunicar los hallazgos de manera efectiva.