Diagnóstico de Amenazas mediante Random Forest & Consistencia OpenAPI
0.0%
Balance global
0.0%
Positivos correctos
0.0%
Detección de amenazas
94 ms
Tiempo de inferencia
| ID Muestra | Método | Longitud | Chars Críticos | OpenAPI | Predicción RF | Certeza |
|---|---|---|---|---|---|---|
| RF-EXP-2026-002 | PUT | 36 Bytes | 15 | ✓ Válida | Ataque SQLi | 97% |
| RF-EXP-2026-001 | GET | -1 Bytes | 1 | ✓ Válida | Legítimo | 99% |
Análisis basado en 2 muestras recolectadas experimentalmente.
Documento de control administrativo y técnico para el dataset[cite: 4, 5].
Gestión del Dataset y Archivos del Modelo Random Forest.
Modelo Cargado y Activo
modelrandom.json
Ejecuta el script en segundo plano para generar un nuevo modelo basado en las 2 muestras recolectadas actualmente.
Análisis de archivos públicos y endpoints mediante IA.
Recurso / Archivo Endpoint descubierto. [BETA] = Mutación Fuzzer.
Peso (B) / Símbolos Longitud y caracteres peligrosos.
Vulnerabilidad API Vector de ataque (OWASP) al que este recurso es débil por su estructura.
Predicción IA Diagnóstico del algoritmo.
Riesgo Certeza matemática (>80% es crítico).
| Recurso / Archivo | Peso | Símbolos | Vulnerabilidad API | Predicción IA | Riesgo |
|---|---|---|---|---|---|
| Ingrese una URL para iniciar. | |||||