DESARROLLO DE UN SISTEMA WEB PARA LA DETECCIÓN DE ARCHIVOS MALICIOSOS

Abstract

Este TFG presenta el desarrollo de una plataforma web interactiva para la detección automática de malware en archivos ejecutables de Windows, combinando técnicas de ciberseguridad con aprendizaje supervisado y modelos de deep learning. El objetivo principal consiste en construir un sistema accesible, eficiente y de fácil uso capaz de identificar si un archivo .exe es benigno o pertenece a una de las seis familias de malware seleccionadas.

La solución propuesta se basa en el análisis estático de los archivos mediante la extracción de librerías dinámicas (DLLs) utilizadas por cada ejecutable. A partir de esta información, se genera un vector binario que representa la presencia o ausencia de 607 DLLs comunes, el cual se emplea como entrada para un modelo de red neuronal profunda tipo LSTM. Este modelo ha sido entrenado con un conjunto de datos balanceado y depurado de casi 33.500 muestras, procedentes de la plataforma Kaggle, utilizadas para realizar tareas de clasificación multiclase en el ámbito del análisis estático de malware.

La interfaz web, desarrollada con HTML, CSS, JavaScript y Bootstrap, se comunica con el modelo mediante una API construida con Flask en Python, permitiendo al usuario subir archivos para su análisis y visualizar los resultados de forma clara y rápida. Además, se ha implementado un sistema de registro de análisis por usuario, que almacena cada consulta en una base de datos para su posterior revisión.

Este trabajo demuestra cómo la combinación de técnicas de desarrollo web y aprendizaje automático puede dar lugar a herramientas prácticas y efectivas en el ámbito de la ciberseguridad.