Para este apartado me baso en el github https://github.com/cylance/IntroductionToMachineLearningForSecurityPros, el cual contiene un libro (libre) muy bueno para aprender “Introduction to Artificial Intelligence for Security Professionals”. En este caso lo he adaptado para profesionales con conocimientos limitados de programación.
Conceptos a Impartir (De Básico a Avanzado)
El objetivo es llevar al alumnado desde cero (o casi cero) en programación hasta comprender y poder ejecutar (y eventualmente modificar) los ejemplos del libro.
Módulo 1: Fundamentos de Programación con Python (Esencial)
- Objetivo: Dotar al alumnado de las herramientas básicas de programación necesarias para entender y escribir scripts simples.
- Conceptos:
- Introducción a Python: ¿Qué es? ¿Por qué Python para IA/Seguridad?
- Entorno de desarrollo: Instalación de Python, uso de un IDE (como VS Code con extensión Python) o Entornos Interactivos (Jupyter Notebooks / Google Colab ). Gestión básica de paquetes con
pip. Entornos virtuales (venv). - Sintaxis básica: Variables, tipos de datos (números, strings, booleanos, listas, tuplas, diccionarios, sets).
- Operadores: Aritméticos, de comparación, lógicos.
- Estructuras de control: Condicionales (
if,elif,else), bucles (for,while). - Funciones: Definición, argumentos, retorno de valores. Ámbito (scope) de variables.
- Manejo de errores básicos: Bloques
try...except. - Entrada/Salida básica: Leer y escribir en archivos de texto (
.txt,.csv).
- Ejercicios: Para practicar estos conceptos, se debe emplear el archivo
ejercicios_modulo1.ipynb.- Enlace: ejercicios_modulo1.ipynb
Módulo 2: Manipulación de Datos con Python
- Objetivo: Aprender a cargar, explorar, limpiar y preparar datos, una tarea fundamental en cualquier proyecto de ML.
- Conceptos:
- Introducción a NumPy: Arrays multidimensionales, operaciones vectorizadas eficientes, indexación y slicing.
- Introducción a Pandas:
- Series y DataFrames: Las estructuras de datos clave.
- Lectura y escritura de datos (CSV, JSON, etc.).
- Selección e indexación de datos (
loc,iloc). - Limpieza de datos básicos: Manejo de valores nulos (
NaN), eliminación de duplicados. - Agregación y agrupación de datos (
groupby). - Visualización básica de datos con Pandas (integrado con Matplotlib).
- Introducción a Matplotlib/Seaborn: Creación de gráficos básicos (histogramas, scatter plots, box plots) para explorar los datos.
- Ejercicios: Para practicar estos conceptos, se debe emplear el archivo
ejercicios_modulo2.ipynb.- Enlace: ejercicios_modulo2.ipynb
Módulo 3: Fundamentos de Inteligencia Artificial y Machine Learning (Conceptual)
- Objetivo: Entender los conceptos teóricos clave detrás del ML antes de implementar algoritmos.
- Conceptos:
- ¿Qué es la Inteligencia Artificial? ¿Qué es el Machine Learning? Diferencias.
- Tipos de Aprendizaje:
- Supervisado: Clasificación y Regresión (conceptos, ejemplos en seguridad: detección de malware vs. predicción de ataques).
- No Supervisado: Clustering y Reducción de Dimensionalidad (conceptos, ejemplos en seguridad: detección de anomalías, agrupación de tráfico de red).
- (Opcional/Breve) Aprendizaje por Refuerzo.
- El Proceso de ML: Recolección de datos → Preprocesamiento/Ingeniería de características → Selección del modelo → Entrenamiento → Evaluación → Despliegue.
- Conceptos Clave: Características (Features), Etiquetas (Labels), Conjunto de Entrenamiento (Training Set), Conjunto de Prueba (Test Set), Conjunto de Validación (Validation Set).
- Problemas Comunes: Sobreajuste (Overfitting) y Subajuste (Underfitting). Sesgo (Bias) y Varianza (Variance).
- Métricas de Evaluación Básicas:
- Para Clasificación: Accuracy, Precisión, Recall, F1-Score, Matriz de Confusión. Curva ROC y AUC (explicación conceptual).
- Para Regresión: MSE, MAE (mencionar brevemente).
- Para Clustering: Silhouette Score (mencionar brevemente).
- Ejercicios: Para practicar estos conceptos, se debe emplear el archivo
ejercicios_modulo3.ipynb.- Enlace: ejercicios_modulo3.ipynb
Módulo 4: Algoritmos de Machine Learning y Aplicaciones en Ciberseguridad (Práctico)
- Objetivo: Implementar algoritmos básicos de ML usando
scikit-learny conectarlos con problemas de seguridad, preparando el terreno para los ejemplos del libro. - Conceptos:
- Introducción a Scikit-learn: La librería estándar de ML en Python. API consistente (
fit,predict,transform). - Preprocesamiento de Datos con Scikit-learn: Escalado de características (StandardScaler, MinMaxScaler), Codificación de variables categóricas (OneHotEncoder, LabelEncoder).
- Algoritmos de Clasificación (con ejemplos simples de seguridad):
- Regresión Logística: Detección simple de spam o phishing.
- K-Nearest Neighbors (KNN): Clasificación simple basada en similitud.
- Árboles de Decisión y Random Forests: Modelos más potentes, entender su interpretabilidad (árbol) y robustez (bosque). Ejemplo: clasificación básica de malware basada en características simples.
- Algoritmos de Clustering (con ejemplos simples de seguridad):
- K-Means: Agrupación de logs de red para detectar patrones o anomalías.
- Ingeniería de Características (Feature Engineering) Específica de Seguridad (Introducción):
- ¿Qué es? ¿Por qué es crucial en seguridad?
- Ejemplos conceptuales (sin entrar aún en el código complejo del libro): extraer longitud de URL, número de caracteres especiales (phishing); extraer información de cabeceras de ejecutables PE (malware); contar tipos de peticiones en logs web (ataques).
- Introducción a Scikit-learn: La librería estándar de ML en Python. API consistente (
- Ejercicios: Para practicar estos conceptos, se debe emplear el archivo
ejercicios_modulo4.ipynb.- Enlace: ejercicios_modulo4.ipynb
Módulo 5: Implementación con Ejemplos del Libro/Repositorio Cylance
- Objetivo: Analizar, ejecutar y entender el código del repositorio Cylance, aplicando todo lo aprendido.
- Conceptos:
- Análisis Guiado del Código: Seleccionar 1-2 ejemplos clave del repositorio (empezar por los más sencillos, si los hay).
- Desglose del Código:
- Carga y preprocesamiento de datos específicos del ejemplo (e.g., datos de ficheros PE, logs de red). Explicar el porqué de cada paso de preprocesamiento.
- Ingeniería de características aplicada: Ver cómo se extraen las features relevantes para ese problema de seguridad específico.
- Entrenamiento del modelo: Ejecutar el entrenamiento, entender los parámetros utilizados.
- Evaluación del modelo: Interpretar las métricas de rendimiento en el contexto del problema de seguridad. ¿Qué significa una alta precisión o un alto recall en detección de malware?
- Visualización de resultados (si el ejemplo la incluye).
- Adaptación y Experimentación: Animar a los alumnos a hacer pequeñas modificaciones (cambiar parámetros, probar otro modelo simple) para ver cómo afecta al resultado.
- Ejercicios: Para practicar estos conceptos, se debe emplear el archivo
ejercicios_modulo5.ipynb.- Enlace: ejercicios_modulo5.ipynb
Módulo 6: Consideraciones Éticas y Próximos Pasos (Cierre)
- Objetivo: Reflexionar sobre el uso responsable de la IA y las limitaciones.
- Conceptos:
- Sesgos en los datos y algoritmos de IA en seguridad.
- Importancia de la interpretabilidad (Explainable AI - XAI): ¿Por qué el modelo tomó esa decisión?
- Adversarial Machine Learning: Ataques contra modelos de IA.
- Limitaciones actuales de la IA en ciberseguridad.
- Recursos para seguir aprendiendo.
- Ejercicios: Para practicar estos conceptos, se debe emplear el archivo
ejercicios_modulo6.ipynb.- Enlace: ejercicios_modulo6.ipynb
- Herramientas Recomendadas:
- Python 3.x
- Jupyter Notebook / JupyterLab / Google Colaboratory
- Bibliotecas:
NumPy,Pandas,Matplotlib,Seaborn,Scikit-learn - Git y GitHub (para compartir código y usar el repositorio de Cylance)