Этот репозиторий содержит реализацию Dark-TRACER на языке R — инфраструктуру для раннего обнаружения аномалий в действиях вредоносных программ. Оно было представлено в следующей статье. Подробную информацию см. в PDF-файле и слайдах. Кроме того, набор данных, использованный в статье, общедоступен.
К. Хан , Дж. Такеучи, Т. Такахаши и Д. Иноуэ, « Dark-TRACER : Система раннего обнаружения активности вредоносных программ на основе аномальных пространственно-временных закономерностей», IEEE ACCESS , 2022. [DOI] [PDF] [Связанные материалы] Слайды] [Наборы данных] [Коды]
Dark-TRACER — это платформа для раннего обнаружения аномалий в действиях вредоносных программ путем оценки синхронизации пространственно-временных закономерностей, наблюдаемых в трафике даркнета, с использованием трех методов машинного обучения. Он состоит из следующих трех модулей
Даркнет — это неиспользуемое пространство IP-адресов Интернета и сеть наблюдения, где большая часть наблюдаемого трафика представляет собой вредоносные сообщения. Это полезно для понимания глобальных тенденций кибератак. Даркнет также известен как сетевой телескоп, и его не следует путать с даркнетом, таким как Tor.
Двигатель | Формат входных данных |
---|---|
Темный-GLASSO | текстовые данные |
Дарк-НМФ | текстовые данные |
Темный-NTD | данные PCAP |
Искатель изменений | текстовые данные |
ChangeFinder — это традиционный метод, который использовался в статье для сравнительной оценки.
Двигатель | Исходный код |
---|---|
Темный-GLASSO | online_portinfo.r / online_portinfo.r |
Дарк-НМФ | DarkNMF.r / DarkNMF_alertonly.r / DarkNMF-port.r / DarkNMF-port_alertonly.r |
Темный-NTD | online_script.R |
Искатель изменений | 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)