GuardianUnivalle-Benito-Yucra 1.1.33

Middleware y detectores de seguridad (SQLi, XSS, CSRF, DoS) para Django/Flask

Guardian Univalle Benito Yucra Algoritmos de detección y defensa de amenazas web para Django.

Guardian Univalle es un sistema de seguridad modular desarrollado para fortalecer aplicaciones Django frente a ataques web comunes como XSS, CSRF, inyección SQL, ataques DoS y scraping automatizado.
Cada módulo opera mediante middlewares independientes que analizan el tráfico HTTP en tiempo real, aplican heurísticas inteligentes y registran eventos sospechosos para auditoría y bloqueo adaptativo.

---

Arquitectura general

Guardian Univalle está diseñado bajo una arquitectura modular y extensible, donde cada tipo de amenaza se gestiona mediante un middleware especializado.
Cada middleware:

• Se ejecuta en la fase inicial del request (process_request).
• Analiza cabeceras, cuerpo y metadatos de la petición.
• Evalúa indicadores de ataque según patrones heurísticos y reglas configurables.
• Calcula una puntuación de riesgo (score) para cada evento.
• Anexa la información al objeto request (por ejemplo, request.xss_attack_info) para que otros módulos (como el de auditoría) la procesen.

---

Módulos de defensa incluidos

1. CSRFDefenseMiddleware

Defensa contra Cross-Site Request Forgery (CSRF)

Este módulo detecta intentos de falsificación de peticiones mediante:

• Verificación de cabeceras Origin y Referer contra el host real.
• Validación de tokens CSRF en cookies, cabeceras o formularios.
• Análisis del tipo de contenido (Content-Type) y parámetros sensibles.
• Detección de peticiones JSON o formularios enviados desde dominios externos.
• Asignación de un score de riesgo proporcional al número y severidad de señales encontradas.

Algoritmos utilizados: heurísticas basadas en cabeceras HTTP, validación semántica de origen y detección de anomalías en métodos POST, PUT, DELETE y PATCH.

---

2. XSSDefenseMiddleware

Defensa contra Cross-Site Scripting (XSS)

Analiza los datos enviados en el cuerpo y querystring, detectando vectores de inyección HTML/JS mediante:

• Patrones de alto riesgo (<script>, javascript:, onload=, eval()).
• Ofuscaciones con entidades (<, %3Cscript).
• Detección de atributos de eventos (onmouseover, onfocus, etc.).
• Análisis de URIs maliciosas (data:text/html, vbscript:).
• Scoring ponderado por severidad (de 0.3 a 0.95).

Algoritmos utilizados: expresiones regulares avanzadas con pesos heurísticos y uso opcional de la librería Bleach para sanitización comparativa.

Salida: agrega request.xss_attack_info con los detalles de detección, IP de origen, descripción, payload y score total.

---

3. SQLIDefenseMiddleware

Defensa contra Inyección SQL (SQLi)

Identifica intentos de inyección SQL en parámetros enviados a través de:

• Palabras clave peligrosas (UNION, SELECT, DROP, INSERT, UPDATE).
• Uso de comentarios (--, #, /* ... */).
• Concatenaciones o subconsultas sospechosas.
• Comportamientos anómalos en parámetros GET, POST o JSON.

Algoritmos utilizados: heurísticas sintácticas + patrones combinados con contextos.
Evalúa combinaciones de operadores y palabras reservadas para minimizar falsos positivos.

Resultado: registra el intento en request.sql_injection_info con score calculado y parámetros comprometidos.

---

4. DOSDefenseMiddleware

Detección de ataques de Denegación de Servicio (DoS)

Monitorea la frecuencia de peticiones por IP y calcula una métrica adaptativa:

• Detecta exceso de solicitudes en intervalos cortos.
• Analiza User-Agent, patrones repetitivos y tamaño de payloads.
• Aplica límites configurables (MAX_REQUESTS_PER_WINDOW).
• Marca IPs sospechosas para registro y bloqueo temporal.

Algoritmos utilizados: Sliding Window con conteo adaptativo, controlado por señales de frecuencia e intensidad.

---

5. ScrapingDefenseMiddleware (opcional)

Detección de scraping y bots automatizados

Evalúa características típicas de scraping:

• User-Agent anómalo o ausente.
• Patrón de navegación repetitivo o excesivamente rápido.
• Ausencia de cabeceras humanas como Accept-Language o Referer.
• Combinación con heurísticas de DoS para detectar scrapers agresivos.

Algoritmos utilizados: análisis estadístico de cabeceras + patrones de comportamiento a corto plazo.

---

Integración y uso

Instalación

pip install guardian-univalle

Configuración en settings.py

MIDDLEWARE = [
    # Middlewares personalizados
    "GuardianUnivalle_Benito_Yucra.detectores.detector_dos.DOSDefenseMiddleware",
    "GuardianUnivalle_Benito_Yucra.detectores.detector_sql.SQLIDefenseMiddleware",
    "GuardianUnivalle_Benito_Yucra.detectores.detector_xss.XSSDefenseMiddleware",
    "GuardianUnivalle_Benito_Yucra.detectores.detector_csrf.CSRFDefenseMiddleware",
    "users.middleware.AuditoriaMiddleware",
    "users.auditoria_servidor.AuditoriaServidorMiddleware",
]

ALLOWED_HOSTS = [
    "192.168.0.3",
    "127.0.0.1",
    "localhost",
]

Parámetros de defensa avanzada

# --- DoS Defense ---
DOS_LIMITE_PETICIONES = 120
DOS_VENTANA_SEGUNDOS = 60
DOS_PESO = 0.6
DOS_LIMITE_ENDPOINTS = 80
DOS_TIEMPO_BLOQUEO = 300
DOS_TRUSTED_IPS = ["127.0.0.1", "192.168.0.3"]

# Score total de bloqueo
DOS_PESO_BLACKLIST = 0.3
DOS_PESO_HEURISTICA = 0.1
DOS_UMBRAL_BLOQUEO = 0.8

# Configuración general
DOS_DEFENSE_MAX_REQUESTS = 100
DOS_DEFENSE_BLOCK_TIME = 300
DOS_DEFENSE_TRUSTED_IPS = ["127.0.0.1", "192.168.0.3"]

# --- SQL Injection Defense ---
SQLI_DEFENSE_TRUSTED_IPS = ["127.0.0.1", "192.168.0.3"]

# --- XSS Defense ---
XSS_DEFENSE_TRUSTED_IPS = ["127.0.0.1", "192.168.0.3"]
XSS_DEFENSE_SANITIZE_INPUT = False
XSS_DEFENSE_BLOCK = True
XSS_DEFENSE_EXCLUDED_PATHS = ["/health", "/internal"]

# --- CSRF Defense ---
CSRF_DEFENSE_TRUSTED_IPS = ["127.0.0.1", "192.168.0.3"]
CSRF_DEFENSE_BLOCK = True
CSRF_DEFENSE_LOG = True

Auditoría y correlación de eventos

request.xss_attack_info = {
    "ip": "192.168.1.10",
    "tipos": ["XSS"],
    "descripcion": ["Etiqueta <script> detectada"],
    "payload": {"field": "comentario", "snippet": "<script>alert(1)</script>"},
    "score": 0.92,
    "url": "/comentarios/enviar/",
}

Filosofía del proyecto

Guardian Univalle – Benito & Junkrat busca proporcionar una capa de defensa proactiva para entornos Django universitarios y empresariales, combinando:

#Detección heurística.

#Análisis semántico de cabeceras y payloads.

#Escalamiento de score basado en señales múltiples.

Su diseño es didáctico y extensible, ideal tanto para proyectos reales como para enseñanza de ciberseguridad aplicada.

Estructura del paquete

guardian_univalle/
│
├── detectores/
│   ├── csrf_defense.py
│   ├── xss_defense.py
│   ├── sql_defense.py
│   ├── dos_defense.py
│   ├── scraping_defense.py
│
├── auditoria/
│   └── auditoria_middleware.py
│
└── __init__.py

Licencia

Este proyecto se distribuye bajo la licencia MIT, permitiendo libre uso y modificación con atribución.

📘 Universidad Privada del Valle – Sede La Paz

👨‍💻 Desarrollado por: Benito Yucra

📅 Año: 2025