Lucha de Clases

Repositorio que acompaña al artículo "Class Struggle". El repositorio demuestra el uso de un autoencoder para detectar dominios similares a un (sub)conjunto conocido de dominios de phishing publicados por CERT Polska.

Fuentes de Datos

Lista de Advertencia de CERT Polska

Este proyecto utiliza datos de la Lista de Advertencia de CERT Polska https://cert.pl/en/warning-list/ mantenida por CERT Polska (NASK).

Los datos se utilizan exclusivamente con fines de investigación y educativos La lista sin procesar de dominios no se redistribuye en este repositorio.

Majestic Million

Este proyecto utiliza datos del conjunto de datos Majestic Million mantenido por Majestic

El conjunto de datos se proporciona bajo la Licencia Creative Commons Attribution 3.0 (CC BY 3.0)

Los datos se utilizan exclusivamente con fines de investigación y educativos El conjunto de datos sin procesar no se redistribuye en este repositorio.

Contenido del repositorio

• notebooks/0_fetch_data.ipynb - descarga de datos fuente
• notebooks/1_eda.ipynb - análisis exploratorio de datos (EDA) de los datos de la lista de advertencia de CERT.PL
• notebooks/2_eda_based_data_selection.ipynb- selección del conjunto de entrenamiento basada en EDA
• notebooks/3_autoencoder_train_eval_inference.ipynb - construcción, entrenamiento e inferencia del autoencoder
• notebooks/xor_nn_decission_boundary.ipynb - script de demostración auxiliar

Ejecución (local, en Docker)

1. Construir e iniciar el contenedor Jupyter:
   root@kitploit:~

   docker compose up --build
   

2. Abrir: http://127.0.0.1:8888/tree y ejecutar los cuadernos numerados en orden: 0_fetch..., 1_eda..., 2_eda_based..., 3_autoencoder....

Generar artículo

cd ./article
pdflatex class_struggle.tex