Proyecto ANALISIS DE SEGURIDAD INFORMATICA

 Por: Guido Fernandez Ortiz

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

Proyecto: Análisis de Seguridad Informática

Estructura del Proyecto:

1. 1.- Definición de Objetivos de Seguridad:

   • Identificar objetivos clave de seguridad,

2. 2.- Recolección de Datos Ficticios:

   • Simular la recolección de datos de seguridad, como registros de incluso

3. 3.- Análisis de seguridad:

   • Evaluar los datos recolectados para identificar posibles amenazas, anomalías y áreas vulnerables.

4. 4.- Visualización de resultados:

   • Crear gráficos e informes para visualizar y comunicar los hallazgos de seguridad.

Metodología:

1. 1.- Definición de Objetivos de Seguridad:

2. objetivos_seguridad = {

       'Detección de Intrusiones': {'alertas': 50, 'falsos_positivos': 5},

       'Análisis de Vulnerabilidades': {'vulnerabilidades_encontradas': 8, 'solucionadas': 3},

       'Monitorización de Eventos': {'eventos_analizados': 1000, 'eventos_sospechosos': 10}

   }

3. 
   

4. 2.- Recolección de Datos Ficticios:

5. import random

   
   

   # Simulación de datos de seguridad

   alertas_intrusiones = [random.randint(1, 10) for _ in range(30)]

   falsos_positivos = [random.randint(0, 2) for _ in range(30)]

   vulnerabilidades_encontradas = [random.randint(1, 5) for _ in range(30)]

   vulnerabilidades_solucionadas = [random.randint(0, 3) for _ in range(30)]

   eventos_analizados = [random.randint(800, 1200) for _ in range(30)]

   eventos_sospechosos = [random.randint(5, 20) for _ in range(30)]

   
   
6. 3.- Análisis de seguridad:
7. promedio_alertas_intrusiones = sum(alertas_intrusiones) / len(alertas_intrusiones)

   promedio_falsos_positivos = sum(falsos_positivos) / len(falsos_positivos)

   promedio_vulnerabilidades_encontradas = sum(vulnerabilidades_encontradas) / len(vulnerabilidades_encontradas)

   promedio_vulnerabilidades_solucionadas = sum(vulnerabilidades_solucionadas) / len(vulnerabilidades_solucionadas)

   promedio_eventos_analizados = sum(eventos_analizados) / len(eventos_analizados)

   promedio_eventos_sospechosos = sum(eventos_sospechosos) / len(eventos_sospechosos)

4.- Visualización de resultados:

import matplotlib.pyplot as plt

# Gráficas para visualizar resultados de seguridad

fig, axs = plt.subplots(3, 1, figsize=(10, 12))

axs[0].bar(['Intrusiones', 'Falsos Positivos'], [promedio_alertas_intrusiones, promedio_falsos_positivos], color=['red', 'orange'])

axs[0].set_title('Promedio de Alertas de Intrusiones')

axs[1].bar(['Encontradas', 'Solucionadas'], [promedio_vulnerabilidades_encontradas, promedio_vulnerabilidades_solucionadas], color=['blue', 'green'])

axs[1].set_title('Promedio de Vulnerabilidades')

axs[2].bar(['Analizados', 'Sospechosos'], [promedio_eventos_analizados, promedio_eventos_sospechosos], color=['purple', 'yellow'])

axs[2].set_title('Promedio de Eventos Monitorizados')

plt.show()

Conclusiones:

Este proyecto simula el análisis de seguridad informática mediante la recolección y análisis de datos ficticios. Puedes ajustar los datos y métricas según tus necesidades y expandir la simulación para incluir más detalles de seguridad. La visualización de resultados es crucial para comunicar los hallazgos de manera efectiva.

1. 
   

2.