Skip to content
KitploitKITPLOIT
ToolsExploitsBlog
Log in
Einreichen
ToolsExploitsBlog
Einreichen

Hacking-, PenTest- und Cybersicherheits-Tools für Ihr Sicherheitsarsenal!

Kitploit ist ein Verzeichnis von Hacking-, Cybersicherheits- und Pentesting-Tools. Entdecken Sie die neuesten Projekt-Updates, um Schwachstellen zu finden, Systeme zu analysieren, Tests zu automatisieren und Ihre Sicherheit zu stärken.

FeedsKontaktDatenschutz© 2026 Kitploit

Tool-Verzeichnis

Kategorien

Alle Kategorien anzeigen
Loading categories
Tools/GitHubGitHub/bkcs-hust/lstm-mi
Malware-AnalyseBedrohungsanalyseMaschinelles LernenPapers & ForschungLernen & BildungDNS-Analyse
GitHubbkcs-hust/lstm-mi

LSTM-MI

Ein LSTM-basiertes Framework zur Handhabung von Multiklassen-Imbalance in der DGA-Botnet-Erkennung

Repository anzeigen
222349vor 6 JahrenVon Kitploit geprüft
Teilen

Ein auf LSTM basierendes Framework zur Behandlung von Multiklassen-Ungleichgewicht bei der Erkennung von DGA-Botnets.

Dieses Repository enthält sehr einfachen Code zur Klassifizierung von Domänen als DGA oder gutartig. Dieser Code demonstriert unsere Ergebnisse in unserem Paper hier: https://www.sciencedirect.com/science/article/pii/S0925231217317320. Dieses Paper stellt einen neuartigen LSTM.MI-Algorithmus vor, der sowohl binäre als auch Multiklassen-Klassifikationsmodelle kombiniert, wobei das ursprüngliche LSTM kostenbewusst angepasst wird. Die Kostenfaktoren werden in den Backpropagation-Lernprozess eingeführt, um die Identifikationswichtigkeit zwischen den Klassen zu berücksichtigen.

Wenn Sie den Anweisungen folgen, können Sie unsere Methode neu implementieren. Darüber hinaus stellen wir auch einige Datensätze bereit:

  • Die real gesammelten Datensätze einiger DGA-Botnets wie Shifu, Tinba, Necurs, Locky usw.
  • trainingdata.csv: Dieser Datensatz enthält 1 Million normale Domänen von Alexa, über 600.000 DGA-Domänen und 8 statistische Merkmale, die diesen Domänen entsprechen. Die DGA-Domänen werden unter http://osint.bambenekconsulting.com/feeds/ gesammelt.
  • traindga4.csv: 10% des trainingdata-Datensatzes. Allerdings sind die 8 statistischen Merkmale nicht auf Werte zwischen 0 und 1 normalisiert.
  • traindga5.csv: 10% des trainingdata-Datensatzes. Allerdings sind die 8 statistischen Merkmale auf Werte zwischen 0 und 1 normalisiert.

Wenn Sie unseren Datensatz wiederverwenden, zitieren Sie bitte unser Paper wie folgt.

Tran, Duc, et al. "A LSTM based framework for handling multiclass imbalance in DGA botnet detection." Neurocomputing 275 (2018): 2401-2413.

oder

@article{tran2018lstm, title={A LSTM based framework for handling multiclass imbalance in DGA botnet detection}, author={Tran, Duc and Mac, Hieu and Tong, Van and Tran, Hai Anh and Nguyen, Linh Giang}, journal={Neurocomputing}, volume={275}, pages={2401--2413}, year={2018}, publisher={Elsevier} }

Implementierung des Codes

'lstm.py' trainiert den Klassifikator und erstellt den Bericht zur Bewertung der Methode. Dieser Code läuft auf Ihrem lokalen Rechner oder auf einem Rechner mit GPU (GPU wird natürlich viel schneller sein).

Backup-Link

Falls es Probleme mit dem Download auf Github gibt, nutzen Sie bitte den Backup-Link auf Google Drive: https://drive.google.com/drive/folders/1EI67tTK2NnwW9MZa3Qr2anPbJ_Dlix91?fbclid=IwAR0A_Ltrkrn9Zt4VvF0IFhE_v3GWz-YDqaq-SsHaU2mHNG5861KXylvZlBY

Tool herunterladen

Beliebteste

Alle anzeigen →

Entdecken Sie die meistgenutzten Tools unserer Community.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 Das ultimative OSINT-Toolkit: Untersuchungsgraph, Konfidenzbewertung, Alias-Familien, Karte, Zeitleiste und Berichte. 49 Module, 400+ Websites, keine API-Schlüssel erforderlich.

    795
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    GhostLock One-Tap Execution App (CVE-2026-43499)

    520
  • 3

    ARTEX

    baarai/artex

    LLM-basierte Multi-Agenten-Plattform für autonome Penetrationstests mit Planer-/Worker-Agenten, Asset- und Explorationsgraphen, MITM-Verkehrsaufzeichnung und Schwachstellen-Retesting.

    439
  • 4

    redforge

    cybersecurity91/redforge

    Browser-seitiges Red-Team-Toolkit mit 102 Offline-Tools für Recon, Payload-Generierung, Credential-Angriffe, Krypto, Encoding und Engagement-Reporting.

    346
  • 5

    looking-glass

    anonghosty/looking-glass

    CSIRT-Plattform, die Shadowserver-Berichte in MongoDB einliest und sie als interaktive Karten, Analysen, Findings, Advisories und Executive-Dashboards wiedergibt.

    267
  • 6

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    Das System der Handlung für KI-native Cybersicherheit – wo Absicht zu gesteuerter Ausführung wird, Beweise zu operativem Gedächtnis werden und jeder Einsatz den nächsten verbessert.

    264

Alle Tools erkunden

Durchsuchen Sie unsere Tool-Sammlung

Alle Tools anzeigen →