Detección de ataques SQL/XSS en API Web con inteligencia artificial / machine learning

Este proyecto tiene como objetivo detectar inyecciones SQL y XSS en consultas/parámetros de API utilizando machine learning.

Presentación del proyecto

Este proyecto tiene como objetivo detectar inyecciones SQL y XSS en consultas y parámetros de API utilizando técnicas de Machine Learning.
El objetivo es crear un pipeline simple que permita:

• preparar y limpiar un dataset de consultas de API,
• entrenar un modelo capaz de clasificar automáticamente las consultas como benign, sql_injection o xss,
• proporcionar un modelo reutilizable para pruebas o una futura API de detección en tiempo real.

---

Workflow del proyecto

1. Preparar el dataset
   El archivo generated_payloads.csv en la carpeta data/ contiene ejemplos de consultas de API etiquetadas (sql_injection, xss, benign) provenientes de fuentes externas como Kaggle o generadas localmente.

2. Limpieza y división del dataset

   root@kitploit:~

   python scripts/clean_and_split.py
   

El script:

• elimina duplicados y líneas vacías,
• limpia los textos (espacios, saltos de línea, tabulaciones),
• normaliza las etiquetas,

y genera:

• data/combined.csv: dataset completo limpio,
• data/train.csv: datos de entrenamiento (80%),
• data/test.csv: datos de prueba (20%).

3. Entrenamiento del modelo
   root@kitploit:~

   python scripts/train_model.py
   

El modelo utiliza un pipeline ML:

TF-IDF Vectorizer (TfidfVectorizer): transforma las consultas de texto en vectores numéricos, capturando la importancia de palabras o símbolos sospechosos.

Logistic Regression (LogisticRegression): clasificador supervisado que aprende a asociar los vectores TF-IDF con las clases sql_injection, xss o benign.

Después del entrenamiento, el modelo se guarda en la carpeta models, y luego se puede utilizar para predecir la clase de una nueva consulta.

4. Pruebas automáticas
   root@kitploit:~

   pytest -v -s tests/test_pipeline.py
   

La prueba verifica que:

• el modelo se pueda cargar,
• predice correctamente varios ejemplos simples,
• no ocurre ningún error en el pipeline.

5. Dependencias Python
   root@kitploit:~

   pip3 install -r requirements.txt
   

Librerías

• pandas
• scikit-learn
• joblib
• pytest

6. Notas
   Los scripts están diseñados para ejecutarse localmente, en un entorno Python 3.13+ con las dependencias listadas.