Skip to content
KitploitKITPLOIT
OutilsExploitsBlog
Log in
Soumettre
OutilsExploitsBlog
Soumettre

Outils de Hacking, PenTest et Cybersécurité pour votre Arsenal de Sécurité !

Kitploit est un répertoire d'outils de hacking, de cybersécurité et de pentesting. Découvrez les dernières mises à jour des projets pour trouver des vulnérabilités, analyser des systèmes, automatiser les tests et renforcer votre sécurité.

FluxContactConfidentialité© 2026 Kitploit

Répertoire d'outils

Catégories

Voir toutes les catégories
Loading categories
Insider-Threat — Détection des menaces internes basée sur des graphes utilisant des modèles GCN-BiLSTM et d'attention sur les ensembles de données CMU CERT. Comprend le prétraitement des données, l'extraction de caractéristiques et des points de contrôle pré-entraînés pour la recherche en détection d'anomalies. | Kitploit
Outils/GitHubGitHub/yumlembam/insider-threat
Exfiltration de DonnéesRenseignement sur les MenacesApprentissage AutomatiqueApprentissage et ÉducationRéponse aux IncidentsDétection d'Anomalies
GitHubyumlembam/insider-threat

Insider-Threat

À propos

Détection des menaces internes basée sur des graphes utilisant des modèles GCN-BiLSTM et d'attention sur les ensembles de données CMU CERT. Comprend le prétraitement des données, l'extraction de caractéristiques et des points de contrôle pré-entraînés pour la recherche en détection d'anomalies.

Voir le dépôt
246il y a 1 anPas encore vérifié
Partager

Modèles de graphes pour menaces internes (R5.2 & R6.2)

Ce dépôt contient la préparation des données, l'extraction de caractéristiques et des modèles basés sur les graphes (GCN-NN, GCN-BiLSTM et GCN-BiLSTM+Attention pour signaux implicites+explicites) pour la détection de menaces internes à l'aide du jeu de données CMU CERT Insider Threat Test (R5.2, R6.2).


Structure du dépôt

.
│   environment.yml
│   requirements.txt
│   tree.txt
│
├── data/
│   ├── original/
│   │   ├── r5_data/
│   │   └── r6_data/
│   ├── preprocessed/
│   │   ├── r5_data/
│   │   └── r6_data/
│   ├── r5.2-used-model/
│   └── r6.2_used_model/
│
├── notebook/
│   │   01_feature_extraction.ipynb
│   │   02_GCN-LSTM.ipynb
│   │   03_GCN.ipynb
│   │   04_GCN_Implicit_Explicit.ipynb
│   │   r5_data_preparation.ipynb
│   │   r6_data_preparation.ipynb
│   │   email_http_divider.ipynb
│
└── script/
    │   get_feature.py
    │   process_feature.py
    └── __pycache__/

L'arborescence complète et profonde (incluant tous les .pkl et points de contrôle) peut être conservée dans tree.txt afin de garder ce README concis.


Configuration

  1. Cloner le dépôt

    git clone https://github.com/votre-utilisateur/votre-repo.git
    cd votre-repo
    
  2. Créer l'environnement Conda

    conda env create -f environment.yml
    
  3. L'activer

    conda activate <nom_env>
    

    Remplacez <nom_env> par la valeur indiquée sous name: dans environment.yml.

  4. (Optionnel) Installation uniquement via pip

    pip install -r requirements.txt
    

Données

  1. Télécharger le jeu de données CMU CERT Insider Threat Test (R5.2 et R6.2) depuis :
    https://kilthub.cmu.edu/articles/dataset/Insider_Threat_Test_Dataset/12841247

  2. Placer les données brutes sous :

    data/original/r5_data/
    data/original/r6_data/
    

Prétraitement

Exécutez les notebooks de préparation pour créer les fichiers de session plus petits et les CSV/PKL canoniques.

  • R5.2

    notebook/r5_data_preparation.ipynb
    
  • R6.2

    notebook/r6_data_preparation.ipynb
    

Sorties attendues pour R5.2 (exemples) :

r5_small_device_session.pkl
r5_small_file_session.pkl
r5_small_email_session.pkl
r5_small_http_session.pkl
r5_small_sessoion_data.pkl
r5_small_session_log_df.pkl

Sorties attendues pour R6.2 (incluent) :

r6_2_small_device_session.pkl
r6_2_small_file_session.pkl
r6_2_small_email_session.pkl
r6_2_small_http_session.pkl
r6_2_small_session_log_df.pkl
r6_2_user_df_pc.csv

Les sorties sont enregistrées dans :

data/preprocessed/r5_data/
data/preprocessed/r6_data/

Extraction de caractéristiques

Exécutez :

notebook/01_feature_extraction.ipynb

Sorties :

log_activity_code.pkl
device_activity_code.pkl
file_activity_code.pkl
email_activity_code.pkl
http_activity_code.pkl

Ce notebook génère également des listes/masques de graphes, par exemple :

data/preprocessed/r6_data/r6_graph_list_feature_corrected_range_corrected.pkl

Modèles

  • GCN-BiLSTM (Explicite)

    notebook/02_GCN-LSTM.ipynb
    
  • GCN-NN (Explicite)

    notebook/03_GCN.ipynb
    
  • GCN-BiLSTM + Attention (Implicite + Explicite)

    notebook/04_GCN_Implicit_Explicit.ipynb
    

Les points de contrôle pré-entraînés et les artefacts ROC se trouvent dans :

data/r5.2-used-model/
data/r6.2_used_model/

Chaque sous-dossier contient :

*.pth                 # model weights
roc_curve_data_*.npz  # saved ROC curve data
roc_curves*.png       # ROC plots

Télécharger l’outil

Populaires

Voir tout →

Découvrez les outils les plus utilisés par notre communauté.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 La boîte à outils OSINT ultime : graphe d'enquête, notation de confiance, familles d'alias, carte, chronologie et rapports. 49 modules, plus de 400 sites, aucune clé API requise.

    576
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # Application d'exécution en un clic GhostLock (CVE-2026-43499)

    477
  • 3

    ARTEX

    baarai/artex

    Plateforme autonome de tests d'intrusion multi-agents basée sur des LLM, avec agents planificateur/ouvrier, graphes d'actifs et d'exploration, enregistrement du trafic MITM et retest des vulnérabilités.

    388
  • 4

    redforge

    cybersecurity91/redforge

    Boîte à outils red team côté navigateur avec 102 outils hors ligne pour la reconnaissance, la génération de payloads, les attaques par identifiants, la cryptographie, l'encodage et le reporting d'engagement.

    330
  • 5

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    Le système d'action pour la cybersécurité native IA—où l'intention devient une exécution gouvernée, les preuves deviennent une mémoire opérationnelle, et chaque opération améliore la suivante.

    255
  • 6

    antifox

    antifox-ai/antifox

    Plateforme de test d'intrusion autonome multi-agents par IA qui exécute la reconnaissance, la découverte de la surface d'attaque, la validation de l'exploitation et la livraison de rapports étayés par des preuves.

    247

Explorer tous les outils

Parcourez notre collection d'outils

Voir tous les outils →