Skip to content
KitploitKITPLOIT
HerramientasExploitsBlog
Log in
Enviar
HerramientasExploitsBlog
Enviar

¡Herramientas de Hacking, PenTest y Ciberseguridad para tu Arsenal de Seguridad!

Kitploit es un directorio de herramientas de hacking, ciberseguridad y pentesting. Descubre las últimas actualizaciones de proyectos para encontrar vulnerabilidades, analizar sistemas, automatizar pruebas y fortalecer tu seguridad.

FeedsContactoPrivacidad© 2026 Kitploit

Directorio de Herramientas

Categorías

Ver todas las categorías
Loading categories
anomaly-flow — Marco de trabajo para implementar Sistemas de Detección de Intrusiones en Red (NIDS) orientado a identificar anomalías en flujos de red utilizando modelos de Federated Learning. | Kitploit
Herramientas/GitHubGitHub/c2dc/anomaly-flow
Seguridad de RedesAprendizaje AutomáticoDetección de IntrusionesPapers e InvestigaciónAprendizaje y EducaciónDetección de Anomalías
GitHubc2dc/anomaly-flow

anomaly-flow

Marco de trabajo para implementar Sistemas de Detección de Intrusiones en Red (NIDS) orientado a identificar anomalías en flujos de red utilizando modelos de Federated Learning.

Ver Repositorio
13347hace 1 añoAún no revisado
Compartir

Anomaly-Flow

License: MIT

Marco de trabajo para implementar Sistemas de Detección de Intrusiones (NIDS) orientados a identificar anomalías en flujos de red utilizando modelos de Aprendizaje Automático.

  • Artículo de referencia: Anomaly-Flow: Una Red Generativa Adversarial Federada Multi-dominio para la Detección de Denegación de Servicio Distribuida

Crear el Entorno Experimental

Para crear el entorno experimental, ejecute los siguientes comandos:

python -m venv .env 

Nota: El entorno virtual debe tener este nombre porque los scripts usan este nombre para cargar las bibliotecas necesarias. fl-unsup-nids/blob/anomaly-flow-baseline/utils/load_data.py Después de crear el entorno virtual, use el siguiente comando para instalar los paquetes de Python necesarios:

pip install -r requirements.txt

Comandos para ejecutar experimentos locales

Para ejecutar los experimentos locales, use el siguiente comando:

source experiments.sh

Comandos para ejecutar los experimentos de Aprendizaje Federado

Para ejecutar los experimentos de Aprendizaje Federado, use el siguiente comando:

source run.sh 

Obtener los datos para ejecutar los experimentos

Para ejecutar los experimentos, necesitamos tener los conjuntos de datos CIC-IDS2018, BoT-IoT y ToN-IoT en una carpeta llamada datasets en la raíz del proyecto, por ejemplo:

|- anomaly-flow
    |- datasets 
        |- NF-CSE-CIC-IDS2018-v2-DDoS.csv.gz
        |- NF-BoT-IoT-v2-DDoS.csv.gz
        |- NF-ToN-IoT-v2-DDoS.csv.gz 

En nuestro caso, utilizamos conjuntos de datos derivados que contienen solo muestras benignas y de DDoS filtradas de los conjuntos de datos originales.

Generar Datos Sintéticos

Para generar Datos Sintéticos para un conjunto de datos específico, use el script main.ipynb.

Modelos externos – Línea base de modelos simples

Instalar el paquete EFC

Para ejecutar los scripts de modelos externos y simples, instale el paquete pip personalizado para el algoritmo EFC:

  1. Asegúrese de que los scripts tengan permisos de ejecución:
chmod +x ./auxiliary_scripts/install-efc.sh
  1. Ejecute el script (se requiere Git y el entorno anomaly-flow llamado .env):
./auxiliary_scripts/install-efc.sh

Líneas base

Las líneas base para la detección de DDoS multi-dominio mediante aprendizaje federado están disponibles aquí:

  • Autoencoder
  • Regresión Logística
  • FLAD

Referencias

Los datos utilizados para llevar a cabo los experimentos se pueden obtener de:

Conjuntos de datos NIDS basados en Aprendizaje Automático (Netflow V2)

Los siguientes proyectos se utilizaron como referencia para la preparación de este trabajo:

GANomaly

Anomaly-Toolbox Project

Clasificador de Flujo basado en Energía

Autores

dibujo    Leonardo Henrique de Melo

dibujo    Gustavo de Carvalho Bertoli

dibujo    Michele Nogueira

dibujo    Aldri Luiz dos Santos

dibujo    Lourenço Alves Pereira Junior

Cite este trabajo

@ARTICLE{anomalyflow,
  author={De Melo, Leonardo Henrique and Bertoli, Gustavo de Carvalho and Nogueira, Michele and Dos Santos, Aldri Luiz and Pereira, Lourenço Alves},
  journal={IEEE Network}, 
  title={Anomaly-Flow: A Multi-domain Federated Generative Adversarial Network for Distributed Denial-of-Service Detection}, 
  year={2025},
  volume={},
  number={},
  pages={1-1},
  doi={10.1109/MNET.2025.3567251}
}
Descargar herramienta

Más Populares

Ver todos →

Descubre las herramientas más usadas por nuestra comunidad.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 El kit de herramientas OSINT definitivo: grafo de investigación, puntuación de confianza, familias de alias, mapa, línea de tiempo e informes. 49 módulos, más de 400 sitios, sin necesidad de claves API.

    795
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # Aplicación de Ejecución con un Solo Toque GhostLock (CVE-2026-43499)

    520
  • 3

    ARTEX

    baarai/artex

    Plataforma de pruebas de penetración autónoma multiagente basada en LLM con agentes planificadores/trabajadores, grafos de activos y de exploración, registro de tráfico MITM y reevaluación de vulnerabilidades.

    439
  • 4

    redforge

    cybersecurity91/redforge

    Kit de herramientas de red team del lado del navegador con 102 herramientas offline para reconocimiento, generación de payloads, ataques de credenciales, criptografía, codificación y elaboración de informes de compromiso.

    346
  • 5

    looking-glass

    anonghosty/looking-glass

    Plataforma CSIRT que ingiere informes de Shadowserver en MongoDB y los reproduce como mapas interactivos, análisis, hallazgos, avisos y paneles ejecutivos.

    267
  • 6

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    El sistema de acción para la ciberseguridad nativa de IA—donde la intención se convierte en ejecución gobernada, la evidencia se convierte en memoria operativa y cada operación mejora la siguiente.

    264

Explora todas las herramientas

Explora nuestra colección de herramientas

Ver todas las herramientas →