En curso
Analizador de metadatos
Herramienta en Python, con modo consola e interfaz gráfica, para analizar, extraer, limpiar y modificar los metadatos de PDF, documentos Word (.docx) e imágenes (JPG, PNG, HEIC y otros formatos de Pillow). Incorpora un modelo de detección de anomalías para señalar archivos con patrones sospechosos. Nació como mi Trabajo de Fin de Grado.
Qué hice y cómo funciona
- Análisis de metadatos y verificación de que la extensión del archivo coincide con su tipo real (MIME), sugiriendo la correcta si no es así.
- Limpieza de metadatos para proteger la privacidad, aplicación de una plantilla por defecto y campos personalizados (clave=valor). Siempre genera un archivo nuevo y conserva el original.
- Detección de anomalías con un Isolation Forest, para correlacionar patrones sospechosos con posibles amenazas.
Resultados
- Estimación propia, no medida de forma objetiva: ~70 % menos de tiempo de revisión manual.
Tecnologías
Detalles de uso
- Sigue en desarrollo: lo siguiente es el procesado de archivos en bloque (bulk) y ampliar los formatos soportados.