https://github.com/alejandro-castillo-delgado/wireshark-report-ia

Análisis de tráfico de red usando Wireshark y K-means en Python. Clasificación de paquetes en clusters y generación de informes automatizados.
https://github.com/alejandro-castillo-delgado/wireshark-report-ia

clustering cybersecurity data-science k-means-clustering machine-learning network-analysis network-securia network-security pcap-analysis python wireshark

Last synced: 2 months ago
JSON representation

Análisis de tráfico de red usando Wireshark y K-means en Python. Clasificación de paquetes en clusters y generación de informes automatizados.

• Host: GitHub
• URL: https://github.com/alejandro-castillo-delgado/wireshark-report-ia
• Owner: alejandro-castillo-delgado
• Created: 2025-04-05T04:56:27.000Z (3 months ago)
• Default Branch: main
• Last Pushed: 2025-04-05T05:01:13.000Z (3 months ago)
• Last Synced: 2025-04-09T19:17:00.368Z (2 months ago)
• Topics: clustering, cybersecurity, data-science, k-means-clustering, machine-learning, network-analysis, network-securia, network-security, pcap-analysis, python, wireshark
• Language: Python
• Homepage:
• Size: 17.6 KB
• Stars: 0
• Watchers: 1
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

README

        
# Wireshark Report IA  

Este proyecto presenta un estudio de caso en el que se utiliza **Wireshark** junto con un **script de Python** que implementa el algoritmo de **K-means** para analizar tráfico de red, identificar patrones de comportamiento y agruparlos en clusters con diferentes clasificaciones.  

## 📌 Características principales  

- **Recolección de datos mediante Wireshark**: Captura y almacenamiento de tráfico de red en un archivo CSV para su posterior análisis.  

- **Procesamiento con K-means**: Implementación de un script en Python que utiliza el algoritmo de clustering **K-means** para agrupar paquetes de red según su similitud.  

- **Generación de informes automatizados**: Creación de un reporte en formato **TXT** que detalla los clusters identificados, incluyendo:  

  - Cantidad de paquetes agrupados.  

  - Intervalos de tiempo de actividad.  

  - Protocolos utilizados.  

  - Descripción del comportamiento detectado.  

## 🚀 Objetivo  

El proyecto busca facilitar el análisis de tráfico de red mediante técnicas de **machine learning**, permitiendo la detección de patrones y comportamientos anómalos o recurrentes en una red.  

## 🔧 Tecnologías utilizadas  

- **Wireshark** (para captura de tráfico).  

- **Python** (procesamiento y análisis de datos).  

- **Scikit-learn** (implementación de K-means).  

- **Pandas** (manejo de datos en CSV).  

## 📂 Estructura del proyecto  

- `data/`: Archivos CSV generados por Wireshark.  

- `scripts/`: Código Python para el procesamiento y clustering.  

- `reports/`: Informes generados en formato TXT.  

Siéntete libre de explorar, contribuir o utilizar este proyecto para tus propios análisis de red. ¡Las sugerencias y mejoras son bienvenidas!  

---  

¡Espero que te sea útil! 🚀