01 / CONTEXTO
El problema
Los indicadores de compromiso en un equipo Windows viven dispersos entre el Visor de eventos, procesos activos y conexiones de red. Detectar una anomalía a tiempo requiere cruzar todo eso a mano.
Observabilidad de seguridad · 2026
Un centro de observación local que convierte señales dispersas del sistema en decisiones claras y auditables.
Un demonio local en Python que audita procesos vía WinAPI, correlaciona señales sospechosas y las traduce a un panel único con severidad y contexto, sin enviar nada a la nube.
01 / CONTEXTO
Los indicadores de compromiso en un equipo Windows viven dispersos entre el Visor de eventos, procesos activos y conexiones de red. Detectar una anomalía a tiempo requiere cruzar todo eso a mano.
02 / DIRECCIÓN
Un demonio local en Python que audita procesos vía WinAPI, correlaciona señales sospechosas y las traduce a un panel único con severidad y contexto, sin enviar nada a la nube.
03 / EJECUCIÓN
04 / RESULTADO
05 / IMPLEMENTACIÓN
import ctypes
import win32process
import win32con
def audit_running_processes():
"""Scan process memory surfaces for anomalous handles."""
print("[*] Initializing CyberSentinel Local Observability...")
anomalies = []
# Query system information via WinAPI
processes = win32process.EnumProcesses()
for pid in processes:
try:
h_proc = ctypes.windll.kernel32.OpenProcess(
win32con.PROCESS_QUERY_INFORMATION | win32con.PROCESS_VM_READ,
False, pid
)
if h_proc:
# Audit handle safety signature
sig = check_security_signature(h_proc)
if not sig:
anomalies.append(pid)
ctypes.windll.kernel32.CloseHandle(h_proc)
except Exception:
continue
print(f"[+] Scan finished. Detected {len(anomalies)} process anomalies.")
return anomalies06 / APRENDIZAJE
Hoy separaría antes la capa de recolección de la de heurística: mezclarlas al inicio hizo más lento iterar en los falsos positivos. Es el tipo de deuda que solo se ve con el sistema corriendo.