CoreMind: IA Proactiva y Cognitiva para Sistemas Seguros

Descripción del Proyecto

CoreMind es un proyecto de inteligencia artificial (IA) que busca crear un sistema proactivo y cognitivo, capaz de aprender y adaptarse a su entorno de manera autónoma y ética. A diferencia de las IA tradicionales que esperan comandos del usuario, CoreMind utiliza un enfoque basado en:

• Honeypots como Sensores: Simulación de servicios para atraer y estudiar atacantes, y analizar el entorno de manera pasiva.
• Detección de Anomalías: Identificación de comportamientos atípicos en el entorno usando Isolation Forest.
• Deducción Lógica: Capacidad de la IA para razonar y tomar decisiones usando reglas.
• Predicción Probabilística: Uso de modelos para anticipar los cambios del entorno.
• Evaluación de la Calidad Ética y Moral: Uso de redes antagónicas para evaluar acciones.
• Aprendizaje Continuo: Adaptabilidad mediante retroalimentación del entorno y de las interacciones del usuario.

El proyecto se divide en dos versiones:

1. CoreMind para Desarrolladores: Una plataforma flexible para experimentación y desarrollo de la IA.
2. CoreMind para Usuarios: Una interfaz tipo "Tamagotchi" para pruebas y retroalimentación.

Estructura del Proyecto

El proyecto está organizado en los siguientes módulos principales:

• main.py: Punto de entrada para la aplicación, que integra la lógica de la IA, la interfaz de usuario, y la gestión de las acciones.
• moduls.py: Implementación de la clase BaseTrainer y los diferentes modelos de redes neuronales como ActorCritic, ModuloPrediccion, y la clase de reglas ModuloAprendizajeReglas.
• security.py: Define el sistema de seguridad, con la lógica de los honeypots y los detectores de anomalías.
• training.py define la lógica para el entrenamiento de todos los modulos.
• Archivos para la gestion de las emociones:
• emotions.py: Gestiona el sistema de emociones del tamagotchi.
• interactions.py: Define funciones de gestion de interacciones
• Archivos adicionales de la interfaz de usuario:
  • multiapp.py: Define la estructura de la interfaz multi ventana con tkinter.
  • interface.py: Define la estructura de la interfaz principal.
• Archivos adicionales de la logica principal:
  • logic.py: Implementa la lógica principal de los modulos como ModuloDeduccion, ModuloEvaluacion, ModuloCalidadInformacion, etc.
  • utils.py: Implementa funciones auxiliares para el proyecto.

Instalación y Ejecución

1. Clonar el repositorio:

   git clone [URL del repositorio]
   cd [nombre del repositorio]

2. Crear un entorno virtual: (Recomendado)

   python3 -m venv venv
   source venv/bin/activate

3. Instalar dependencias:

   pip install torch numpy matplotlib scikit-learn
   pip install pillow
   pip install tensorflow

4. Ejecutar el Programa:

   python main.py# app

app