logdata-anomaly-miner

Questo strumento analizza i dati di log e permette di definire pipeline di analisi per il rilevamento di anomalie. È stato progettato per eseguire l'analisi con risorse limitate e i permessi più bassi possibili per renderlo adatto all'uso su server di produzione.

Requisiti

Per installare logdata-anomaly-miner è richiesto un sistema Linux con python >= 3.6. Tutte le versioni Ubuntu e Debian che abbiamo nei test sono attualmente consigliate. C'è solo supporto sperimentale per Fedora. Più specificamente, i sistemi testati includono Debian Buster, Debian Bullseye, Debian Bookworm, Ubuntu 20.04, Ubuntu 22.04, Fedora (immagine docker fedora:latest) e RedHat (immagine docker redhat/ubi9).

Vedi requirements.txt per ulteriori dipendenze dei moduli

Installazione

Debian

Ci sono pacchetti Debian per logdata-anomaly-miner nei repository ufficiali Debian/Ubuntu.

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

Da sorgente

Il seguente comando installerà l'ultima versione stabile:

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

Per l'installazione con Docker vedi: Deploy con Docker

Per iniziare

Ecco alcune risorse da leggere per iniziare con le configurazioni:

• Per iniziare (tutorial)
• Alcune configurazioni disponibili
• Documentazione
• Wiki

Pubblicazioni

Pubblicazioni e presentazioni:

• Landauer M., Wurzenberger M., Skopik F., Hotwagner W., Höld G. (2023): AMiner: A Modular Log Data Analysis Pipeline for Anomaly-based Intrusion Detection. Digital Threats: Research and Practice, Volume 4, Issue 1. Marzo 2023, pp. 1–16, ACM. [PDF]
• Wurzenberger M., Skopik F., Settanni G., Fiedler R. (2018): AECID: A Self-learning Anomaly Detection Approach Based on Light-weight Log Parser Models. 4th International Conference on Information Systems Security and Privacy (ICISSP 2018), Gennaio 22-24, 2018, Funchal, Madeira - Portogallo. INSTICC. [PDF]
• Wurzenberger M., Landauer M., Skopik F., Kastner W. (2019): AECID-PG: AECID-PG: A Tree-Based Log Parser Generator To Enable Log Analysis. 4th IEEE/IFIP International Workshop on Analytics for Network and Service Management (AnNet 2019) in conjunction with the IFIP/IEEE International Symposium on Integrated Network Management (IM), Aprile 8, 2019, Washington D.C., Stati Uniti. IEEE. [PDF]
• Landauer M., Skopik F., Wurzenberger M., Hotwagner W., Rauber A. (2019): A Framework for Cyber Threat Intelligence Extraction from Raw Log Data. International Workshop on Big Data Analytics for Cyber Threat Hunting (CyberHunt 2019) in conjunction with the IEEE International Conference on Big Data 2019, Dicembre 9-12, 2019, Los Angeles, CA, Stati Uniti. IEEE. [PDF]

Un elenco completo delle pubblicazioni è disponibile all'indirizzo https://aecid.ait.ac.at/further-information/.

Contributi

Accogliamo volentieri patch e altri contributi. Consulta i seguenti link per iniziare:

• Come installare un ambiente di sviluppo
• Flusso di lavoro di sviluppo Git

Bug

Se incontri bug, crea un issue su Github.

Sicurezza

Se scopri problemi relativi alla sicurezza, leggi prima SECURITY.md e segnala i problemi.

Licenza

GPL-3.0

Supporto finanziario

Questo progetto ha ricevuto supporto finanziario attraverso i progetti di ricerca CAIS (832345), CIIS (840842) e CISA (850199) nell'ambito del programma di ricerca sulla sicurezza KIRAS austriaco, i progetti di ricerca synERGY (855457) e DECEPT (873980) nell'ambito del programma ICT of the future dell'Agenzia austriaca per la promozione della ricerca (FFG), il progetto di ricerca PANDORA (SI2.835928) nell'ambito del Programma Europeo di Sviluppo Industriale della Difesa (EDIDP), nonché i progetti di ricerca ECOSSIAN (607577) e GUARD (833456) nell'ambito del Settimo Programma Quadro Europeo (FP7) e Horizon 2020.