Generador Automático de Reglas para Suricata con Machine Learning

Descripción

Este proyecto desarrolla un sistema inteligente capaz de analizar eventos de red detectados por Suricata, identificar patrones de tráfico sospechoso mediante Machine Learning, y generar automáticamente reglas optimizadas que mejoran la detección de amenazas y reducen falsos positivos.

El objetivo principal es automatizar el proceso de creación y optimización de reglas IDS/IPS, facilitando la gestión de seguridad en entornos empresariales y de investigación.

---

Objetivos

• Analizar logs de Suricata en tiempo real.
• Detectar anomalías en tráfico de red mediante modelos de Machine Learning.
• Generar automáticamente reglas Suricata basadas en patrones detectados.
• Aplicar y validar reglas generadas de forma automática.
• Reducir falsos positivos y mejorar la precisión de detección.

---

Arquitectura del Sistema

1. Captura de tráfico

   • Suricata genera eventos en eve.json.

2. Procesamiento de eventos

   • FastAPI procesa los eventos generados.
   • Los eventos se almacenan en la base de datos.

3. Análisis con Machine Learning

   • Modelos de detección de anomalías (Isolation Forest inicialmente).
   • Identificación de patrones sospechosos.

4. Generación automática de reglas

   • Conversión de patrones detectados en reglas Suricata.
   • Validación automática de reglas generadas.

5. Aplicación de reglas

   • Integración directa con Suricata para recarga dinámica de reglas.

---

Tecnologías Utilizadas

• IDS/IPS: Suricata
• Backend: FastAPI (Python)
• Machine Learning: Scikit-Learn, TensorFlow (futuras versiones)
• Base de datos: MongoDB / PostgreSQL
• Contenedores: Docker
• Procesamiento de tráfico: Scapy / Tshark

---

Funcionalidades Principales

• Captura de eventos de seguridad en tiempo real.
• Almacenamiento y consulta avanzada de logs.
• Detección automática de tráfico anómalo.
• Generación automática de reglas Suricata.
• Aplicación dinámica de reglas sin reiniciar el sistema.

---

Flujo de Funcionamiento

Suricata → Logs (eve.json) → API FastAPI → Base de Datos → Modelo ML → Generación de Reglas → Suricata

---

Estado del Proyecto

Proyecto en desarrollo como parte de investigación académica en sistemas de detección de intrusiones basados en Machine Learning.

---

Futuras Mejoras

• Implementación de redes neuronales para clasificación avanzada.
• Dashboard de visualización de amenazas en tiempo real.
• Sistema de optimización automática de reglas basado en feedback.
• Integración con plataformas SIEM.

---