Repositori ini berisi implementasi R dari Dark-TRACER, sebuah kerangka kerja untuk deteksi anomali awal aktivitas malware. Hal itu disampaikan pada makalah berikut ini. Silakan merujuk ke PDF dan slide untuk detailnya. Selain itu, kumpulan data yang digunakan dalam makalah ini tersedia untuk umum.
C. Han , J. Takeuchi, T. Takahashi, dan D. Inoue, '' Dark-TRACER : Kerangka Deteksi Dini untuk Aktivitas Malware Berdasarkan Pola Spatiotemporal Anomali,'' IEEE ACCESS , 2022. [DOI] [PDF] [Terkait Slide] [Kumpulan Data] [Kode]
Dark-TRACER adalah kerangka kerja untuk deteksi dini anomali aktivitas malware dengan memperkirakan sinkronisasi pola spatiotemporal yang diamati dalam lalu lintas darknet yang memanfaatkan tiga metode pembelajaran mesin. Ini terdiri dari tiga modul berikut
Darknet adalah ruang alamat IP Internet yang tidak terpakai, dan merupakan jaringan observasi di mana sebagian besar lalu lintas yang diamati adalah komunikasi berbahaya. Hal ini berguna untuk memahami tren serangan siber global. Darknet juga dikenal sebagai teleskop jaringan dan berbeda dengan web gelap, seperti Tor.
Mesin | Format data masukan |
---|---|
GLASSO Gelap | data teks |
Gelap-NMF | data teks |
Gelap-NTD | data pcap |
Pencari Perubahan | data teks |
ChangeFinder adalah metode konvensional dan digunakan dalam makalah ini untuk evaluasi komparatif.
Mesin | Kode sumber |
---|---|
GLASSO Gelap | online_portinfo.r / online_portinfo.r |
Gelap-NMF | DarkNMF.r / DarkNMF_alertonly.r / DarkNMF-port.r / DarkNMF-port_alertonly.r |
Gelap-NTD | skrip_online.R |
Pencari Perubahan | 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)