logdata-anomaly-miner

Esta herramienta analiza datos de registro (logs) y permite definir pipelines de análisis para la detección de anomalías. Fue diseñada para ejecutar el análisis con recursos limitados y los permisos más bajos posibles, lo que la hace adecuada para su uso en servidores de producción.

Requisitos

Para instalar logdata-anomaly-miner se requiere un sistema Linux con python >= 3.6. Se recomiendan todas las versiones de Ubuntu y Debian que tenemos en las pruebas. Solo hay soporte experimental para Fedora. Más específicamente, los sistemas probados incluyen Debian Buster, Debian Bullseye, Debian Bookworm, Ubuntu 20.04, Ubuntu 22.04, Fedora (imagen docker fedora:latest) y RedHat (imagen docker redhat/ubi9).

Consulte requirements.txt para conocer las dependencias de módulos adicionales

Instalación

Debian

Hay paquetes Debian para logdata-anomaly-miner en los repositorios oficiales de Debian/Ubuntu.

apt-get update && apt-get install logdata-anomaly-miner

Desde el código fuente

El siguiente comando instalará la última versión estable:

cd $HOME
wget https://raw.githubusercontent.com/ait-aecid/logdata-anomaly-miner/main/scripts/aminer_install.sh
chmod +x aminer_install.sh
./aminer_install.sh

Docker

Para la instalación con Docker consulte: Despliegue con Docker

Primeros pasos

Aquí hay algunos recursos para leer con el fin de comenzar con las configuraciones:

• Primeros pasos (tutorial)
• Algunas configuraciones disponibles
• Documentación
• Wiki

Publicaciones

Publicaciones y charlas:

• Landauer M., Wurzenberger M., Skopik F., Hotwagner W., Höld G. (2023): AMiner: Un pipeline modular de análisis de datos de registro para la detección de intrusiones basada en anomalías. Digital Threats: Research and Practice, Volumen 4, Número 1. Marzo 2023, pp. 1–16, ACM. [PDF]
• Wurzenberger M., Skopik F., Settanni G., Fiedler R. (2018): AECID: Un enfoque de detección de anomalías autoaprendizaje basado en modelos ligeros de análisis de registros. 4ª Conferencia Internacional sobre Seguridad y Privacidad de Sistemas de Información (ICISSP 2018), 22-24 de enero de 2018, Funchal, Madeira - Portugal. INSTICC. [PDF]
• Wurzenberger M., Landauer M., Skopik F., Kastner W. (2019): AECID-PG: Un generador de analizadores de registros basado en árboles para permitir el análisis de registros. 4º Taller Internacional IEEE/IFIP sobre Analítica para la Gestión de Redes y Servicios (AnNet 2019) en conjunto con el Simposio Internacional IFIP/IEEE sobre Gestión Integrada de Redes (IM), 8 de abril de 2019, Washington D.C., EE.UU. IEEE. [PDF]
• Landauer M., Skopik F., Wurzenberger M., Hotwagner W., Rauber A. (2019): Un marco para la extracción de inteligencia de amenazas cibernéticas a partir de datos de registro sin procesar. Taller Internacional sobre Análisis de Grandes Datos para la Caza de Amenazas Cibernéticas (CyberHunt 2019) en conjunto con la Conferencia Internacional IEEE sobre Grandes Datos 2019, 9-12 de diciembre de 2019, Los Ángeles, CA, EE.UU. IEEE. [PDF]

Se puede encontrar una lista completa de publicaciones en https://aecid.ait.ac.at/further-information/.

Contribución

Aceptamos con gusto parches y otras contribuciones. Consulte los siguientes enlaces para comenzar:

• Cómo instalar un entorno de desarrollo
• Flujo de trabajo de desarrollo con Git

Errores

Si encuentra algún error, por favor cree un issue en Github.

Seguridad

Si descubre algún problema relacionado con la seguridad, lea primero SECURITY.md y reporte los problemas.

Licencia

GPL-3.0

Apoyo Financiero

Este proyecto recibió apoyo financiero a través de los proyectos de investigación CAIS (832345), CIIS (840842) y CISA (850199) en el marco del programa austriaco de investigación en seguridad KIRAS, los proyectos de investigación synERGY (855457) y DECEPT (873980) en el marco del programa TIC del futuro de la Agencia Austriaca de Promoción de la Investigación (FFG), el proyecto de investigación PANDORA (SI2.835928) en el marco del Programa Europeo de Desarrollo Industrial de Defensa (EDIDP), así como los proyectos de investigación ECOSSIAN (607577) y GUARD (833456) en el marco del Séptimo Programa Marco Europeo (FP7) y Horizonte 2020.