Trabajo de Fin de Grado: Técnicas Avanzadas de Aprendizaje Automático para la Detección de Intrusos en Sistemas Ciber-Físicos 🎓🔐

---

Información del Repositorio 📂

Este repositorio contiene todo el trabajo correspondiente a mi Trabajo de Fin de Grado. A continuación, se describen los directorios y archivos que conforman este repositorio:

Estructura de Directorios:

• 📂 Aplicación: Contiene todos los archivos necesarios para ejecutar la aplicación de detección de anomalías. Contiene a su vez los siguientes archivos:

  • 📂 Imágenes: Directorio que contiene las imágenes en la aplicación.
  • 📂 Modelo: Directorio que contiene el archivo modelo_completo.pt, que guarda toda la información del modelo entrenado.
  • 📂 Páginas: Directorio que contiene todas las páginas que aparecen en la aplicación de streamlit. Se encuentran los archivos:
    • 🗒️ 1_inicio.py: Archivo de python con streamlit de la página de inicio de la aplicación.
    • 🗒️ 2_descripcion.py: Archivo de python con streamlit de la página de descripción del sistema.
    • 🗒️ 3_deteccion.py: Archivo de python con streamlit de la página de detección de anomalías en tiempo real.
  • 🗒️ app.py: Archivo de python que contiene la clase en python del modelo y toda la navegación del streamlit, por lo que es la página principal.

• 📂 Creación Modelo: Contiene todos los archivos relacionados con el modelo creado, y a su vez, tiene las siguientes carpetas:

  • 📂 Resultados: Contiene los resultados del Grid Search, del Entrenamiento y de la Evaluación del modelo en el archivo README.md.
  • 📂 Libretas: Directorio que contiene todas las libretas ipynb que se han creado para realizar y analizar el modelo. Se encuentran las siguientes libretas:
    • 🗒️ Análisis_y_Preprocesamiento_de_los_Datos.ipynb: Libreta que explica el Estudio de los datos y el Preprocesamiento que se ha realizado.
    • 🗒️ Modelado_y_Evaluacion.ipynb: Libreta que explica cómo se ha realizado el Grid Search, el Entrenamiento y la Evaluación del modelo.
    • 🗒️ Estudio_Salida_del_Modelo.ipynb: Libreta que estudia el Tiempo de Detección del Modelo y el Funcionamiento del Regresor.
    • 🗒️🐍 : Archivo de Python que explica el que se ha realizado.

---

Dependencias ⚙️

Para las Libretas, se ha utilizado Python 3.10.16 y las siguientes librerías:

Librería	Versión
pandas	2.2.3
matplotlib	3.10.0
scikit-learn	1.6.1
seaborn	0.13.2
numpy	1.26.4
torch (PyTorch)	1.12.0
tqdm	4.64.1

Para la Aplicación, se ha utilizado Python 3.12 y las siguientes librerías:

Librería	Versión
torch (PyTorch)	2.2.0
streamlit	1.37.1
pandas	2.2.2
numpy	1.26.4
Pillow	12.1.1
matplotlib	3.8.4

---

Ejecución de la Aplicación 🚀

Para ejecutar la aplicación, pulsar el siguiente enlace:

👉 Acceder a la aplicación