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
msnm-sensor — Sensor de monitoreo de red estadístico multivariante que detecta anomalías mediante técnicas basadas en PCA, agregando estadísticas ligeras de dispositivos de red jerárquicos para la detección escalable de intrusiones. | Kitploit
Herramientas/GitHubGitHub/nesg-ugr/msnm-sensor
Recopilación de InformaciónSeguridad de RedesDetección de IntrusionesDetección de Anomalías
GitHubnesg-ugr/msnm-sensor

msnm-sensor

Sensor de monitoreo de red estadístico multivariante que detecta anomalías mediante técnicas basadas en PCA, agregando estadísticas ligeras de dispositivos de red jerárquicos para la detección escalable de intrusiones.

Ver Repositorio
14749hace 3 añosAún no revisado
Compartir

Descripción

MSNM-S (Sensor de Monitoreo de Red Estadístico Multivariante) muestra la aplicabilidad práctica de los enfoques encontrados en los trabajos de PCA-MSNM y PCA-MSNM Jerárquico. El primero presenta el enfoque MSNM y una nueva metodología estadística multivariante para la detección de anomalías en redes, mientras que el segundo propone el anterior en sistemas de red jerárquicos y estructurados. La idea principal detrás de estos trabajos es el uso de técnicas estadísticas multivariantes para generar información útil en forma de dos estadísticos. Dicha información ligera proviene de niveles inferiores a superiores en una jerarquía de red. De esta manera, el sensor raíz (por ejemplo, un router de borde) recibe toda la información estadística, pudiendo calcular sus propios estadísticos (Q,D). Al inspeccionar estos estadísticos, un analista de seguridad puede determinar si están ocurriendo eventos anómalos cuando algunos de los valores estadísticos están por encima de ciertos límites de control.

[Ver detalles en https://journals.sagepub.com/doi/full/10.1177/1550147720921309]

MSNM Sensor bloques funcionales

MSNM-S está concebido para ser extremadamente escalable y aséptico porque solo se envían dos parámetros entre niveles o dispositivos en la red o sistema monitorizado. Además, el MSNMSensor es capaz de gestionar fuentes de datos múltiples y heterogéneas en cada dispositivo monitorizado gracias al enfoque de ingeniería de características FCParser (Feature as a Counter Parser).

MSNM Sensor ejemplo de despliegue

Instalación

Requisitos

MSNSensor funciona con python 3 y se ha probado con éxito en Ubuntu desde la versión 16.04 en adelante. Además, deben instalarse las siguientes dependencias.

  • numpy >= 1.14
  • scipy >=1.0
  • pyyaml == 4.2b4
  • IPy >= 0.83
  • pandas >= 0.22
  • watchdog >= 0.8.3
  • FCParser (Feature as a Counter Parser) == 1.0.0

Cómo instalar

Crear un entorno de ejecución de python es probablemente la mejor manera de ejecutar la aplicación. Por lo tanto, recomiendo crear uno antes de realizar la instalación de los requisitos. Un entorno de Anaconda puede ayudarle y, si decide usarlo, ejecute los siguientes comandos:

$ conda create -n msnm-dev python=3.7
$ conda activate msnm-dev

Ejecutar el comando anterior instalará todo lo necesario.

(msnm-dev) $ pip install -r requirements.txt

Cómo ejecutar un ejemplo

Por favor, vea las instrucciones en examples o descargue la VM preconfigurada en MSNM-S-UBUNTU. Recomendamos usar la VM. Recuerde hacer pull del repositorio para obtener el proyecto MSNM-S actualizado. A continuación, puede ver los pasos necesarios para ejecutar el experimento preconfigurado en la VM:

Ejecutando los MSNM-Ss (backend)

Abra una ventana de terminal y active el daemon y el colector de netflow.

$ cd ~/msnm-sensor/scripts/netflow/
$ sudo ./activateNetflow.sh (pass: msnm1234)

Espere 5 minutos para obtener registros netflow. Ejecute y despliegue los MSNM-Ss en el ejemplo examples/scenario_4:

$ cd ~/msnm-sensor/scripts/
$ conda activate py27
$ ./start_experiment.sh ../examples/scenario_4/
$ ps -ef | grep msnmsensor (solo para verificar si los cuatro MSNM-Ss están ejecutándose)
$ tail -500f ~/msnm-sensor/examples/scenario_4/borderRouter/logs/msnm.log (otra forma de ver cómo funciona el MSNM-S. Reemplace el nombre del MSNM-S si desea ver los demás.)

Ejecutando el dashboard (frontend):

Abra una nueva ventana de terminal.

$ cd ~/msnm-sensor/dashboard/
$ conda activate msnm-dashboard
$ ln -s ../examples examples
$ python manage.py runserver

Navegue a http://localhost:8000

Autores y licencia

MSNM Sensor - GNU GPL - Roberto Magán-Carrión, José Camacho y Gabriel Maciá-Fernández
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.

    891
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    547
  • 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.

    369
  • 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.

    366
  • 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.

    309
  • 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.

    282

Explora todas las herramientas

Explora nuestra colección de herramientas

Ver todas las herramientas →