Dieses Repository enthält die R-Implementierung von Dark-TRACER, einem Framework zur Früherkennung von Anomalien bei Malware-Aktivitäten. Es wurde im folgenden Papier vorgestellt. Einzelheiten entnehmen Sie bitte dem PDF und den Folien. Außerdem ist der in der Arbeit verwendete Datensatz öffentlich verfügbar.
C. Han , J. Takeuchi, T. Takahashi und D. Inoue, „ Dark-TRACER : Early Detection Framework for Malware Activity Based on Anomalous Spatiotemporal Patterns“, IEEE ACCESS , 2022. [DOI] [PDF] [Related Folien] [Datensätze] [Codes]
Dark-TRACER ist ein Framework zur Früherkennung von Anomalien bei Malware-Aktivitäten, indem es die Synchronisation räumlich-zeitlicher Muster schätzt, die im Darknet-Verkehr beobachtet werden, und dabei drei Methoden des maschinellen Lernens nutzt. Es besteht aus den folgenden drei Modulen
Das Darknet ist der ungenutzte IP-Adressraum des Internets und ein Beobachtungsnetzwerk, in dem es sich bei dem beobachteten Datenverkehr zumeist um böswillige Kommunikation handelt. Es ist nützlich, um globale Cyber-Angriffstrends zu verstehen. Das Darknet wird auch als Netzwerkteleskop bezeichnet und sollte nicht mit dem Dark Web, wie beispielsweise Tor, verwechselt werden.
Motor | Eingabedatenformat |
---|---|
Dunkel-GLAS | Textdaten |
Dunkel-NMF | Textdaten |
Dark-NTD | pcap-Daten |
ChangeFinder | Textdaten |
ChangeFinder ist eine konventionelle Methode und wurde in der Arbeit zur vergleichenden Bewertung verwendet.
Motor | Quellcode |
---|---|
Dunkel-GLAS | online_portinfo.r / online_portinfo.r |
Dunkel-NMF | DarkNMF.r / DarkNMF_alertonly.r / DarkNMF-port.r / DarkNMF-port_alertonly.r |
Dark-NTD | online_script.R |
ChangeFinder | 2021_cpd.ipynb |
1. If you have the result of the previous run, do the following. If not, do 2.
1.1 Create ${output_filespace}density_old_${theta}
1.2 Copy the previous results into
$ cp -r ${data_filespace}sensor${ID}/${Lasttime_YEAR}${Lasttime_MONTH}/${Lasttime_YEAR}${Lasttime_MONTH}${Lasttime_DAY}/${Lasttime_TIME}/result_M12/density_${theta}/* ${output_filespace}density_old_${theta}/
2. run online_density.r
3. (number of density files) == 6 and RT_density file has no 0 bytes
3.1 Run online_portinfo.r
4. delete input data from 6 days ago
5. when execution is finished, delete unnecessary files such as input data
1 Run DarkNMF.r
2 Run DarkNMF_alertonly.r
3 When execution is finished, delete unnecessary files such as input data.
1 Create ${data_filespace}sensor${ID}/Anomaly_dstPort_list
2 portlist_file="${data_filespace}sensor${ID}/Anomaly_dstPort_list/${START_YEAR}${START_MONTH}_Anomaly_dstPort_list_ver${ver}.txt
3 Write 0 to portlist_file
4 Execute DarkNMF.r
5 Execution of DarkNMF_alertonly.r
6 When portlist_file is non-zero
6.1 Execution of DarkNMF-port.r
6.2 Execution of DarkNMF-port_alertonly.r
7 When execution is finished, delete unnecessary files such as input data.
1 Execution of online_script.
2 When execution is finished, delete unnecessary files such as input data.
It can be run from 2021_cpd.ipynb. (includes sample data)