Este repositorio contiene la implementación R de Dark-TRACER, un marco para la detección temprana de anomalías en actividades de malware. Fue presentado en el siguiente artículo. Consulte el PDF y las diapositivas para obtener más detalles. Además, el conjunto de datos utilizado en el artículo está disponible públicamente.
C. Han , J. Takeuchi, T. Takahashi y D. Inoue, '' Dark-TRACER : marco de detección temprana de actividad de malware basado en patrones espaciotemporales anómalos'', IEEE ACCESS , 2022. [DOI] [PDF] [Relacionado Diapositivas] [Conjuntos de datos] [Códigos]
Dark-TRACER es un marco para la detección temprana de anomalías en actividades de malware mediante la estimación de la sincronización de patrones espaciotemporales observados en el tráfico de la red oscura aprovechando tres métodos de aprendizaje automático. Consta de los siguientes tres módulos.
La red oscura es el espacio de direcciones IP no utilizado de Internet y es una red de observación donde la mayor parte del tráfico observado son comunicaciones maliciosas. Es útil para comprender las tendencias globales de los ciberataques. La red oscura también se conoce como telescopio de red y no debe confundirse con la red oscura, como Tor.
Motor | Formato de datos de entrada |
---|---|
VIDRIO oscuro | datos de texto |
NMF oscuro | datos de texto |
NTD oscuro | datos pcap |
Buscador de cambios | datos de texto |
ChangeFinder es un método convencional y se utilizó en el artículo para la evaluación comparativa.
Motor | código fuente |
---|---|
VIDRIO oscuro | online_portinfo.r / online_portinfo.r |
NMF oscuro | DarkNMF.r / DarkNMF_alertonly.r / DarkNMF-port.r / DarkNMF-port_alertonly.r |
NTD oscuro | script_en línea.R |
Buscador de cambios | 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)