Skip to content
KitploitKITPLOIT
StrumentiExploitsBlog
Log in
Invia
StrumentiExploitsBlog
Invia

Strumenti di Hacking, PenTest e Cybersecurity per il tuo Arsenale di Sicurezza!

Kitploit è una directory di strumenti di hacking, cybersecurity e pentesting. Scopri gli ultimi aggiornamenti dei progetti per trovare vulnerabilità, analizzare sistemi, automatizzare i test e rafforzare la tua sicurezza.

FeedContattoPrivacy© 2026 Kitploit

Directory degli strumenti

Categorie

Vedi tutte le categorie
Loading categories
LSTM-MI — Un framework basato su LSTM per gestire lo squilibrio multiclasse nel rilevamento di botnet DGA | Kitploit
Strumenti/GitHubGitHub/bkcs-hust/lstm-mi
Analisi MalwareThreat IntelligenceMachine LearningPaper e RicercaApprendimento e FormazioneAnalisi DNS
GitHubbkcs-hust/lstm-mi

LSTM-MI

Un framework basato su LSTM per gestire lo squilibrio multiclasse nel rilevamento di botnet DGA

Vedi Repository
2223496 anni faRevisionato da Kitploit
Condividi

Un framework basato su LSTM per gestire lo squilibrio multiclasse nel rilevamento di botnet DGA.

Questo repository contiene un codice molto semplice per classificare i domini come DGA o benigni. Questo codice dimostra i nostri risultati nel nostro articolo qui: https://www.sciencedirect.com/science/article/pii/S0925231217317320. Questo articolo presenta un nuovo algoritmo LSTM.MI per combinare modelli di classificazione binaria e multiclasse, dove l'LSTM originale viene adattato per essere sensibile ai costi. Gli elementi di costo vengono introdotti nella procedura di apprendimento tramite backpropagation per tenere conto dell'importanza di identificazione tra le classi.

Seguendo le istruzioni, puoi reimplementare il nostro metodo. Inoltre, forniamo anche alcuni dataset:

  • I dataset raccolti dal mondo reale relativi ad alcuni botnet DGA, tra cui Shifu, Tinba, Necurs, Locky, ecc.
  • trainingdata.csv: questo dataset contiene 1 milione di domini normali di Alexa, oltre 600.000 domini DGA e 8 caratteristiche statistiche corrispondenti a questi domini. I domini DGA sono raccolti da http://osint.bambenekconsulting.com/feeds/.
  • traindga4.csv: il 10% del dataset trainingdata. Tuttavia, le 8 caratteristiche statistiche non sono normalizzate in valori compresi tra 0 e 1.
  • traindga5.csv: il 10% del dataset trainingdata. Tuttavia, le 8 caratteristiche statistiche sono normalizzate in valori compresi tra 0 e 1.

Se riutilizzi il nostro dataset, ti preghiamo di citare il nostro articolo come segue.

Tran, Duc, et al. "A LSTM based framework for handling multiclass imbalance in DGA botnet detection." Neurocomputing 275 (2018): 2401-2413.

oppure

@article{tran2018lstm, title={A LSTM based framework for handling multiclass imbalance in DGA botnet detection}, author={Tran, Duc and Mac, Hieu and Tong, Van and Tran, Hai Anh and Nguyen, Linh Giang}, journal={Neurocomputing}, volume={275}, pages={2401--2413}, year={2018}, publisher={Elsevier} }

Implementazione del codice

'lstm.py' addestrerà il classificatore e genererà il report per valutare il metodo. Questo codice può essere eseguito sulla tua macchina locale o su una macchina con GPU (la GPU sarà ovviamente molto più veloce).

Link di backup

Se ci sono problemi con il download su Github, utilizza il link di backup su Google Drive: https://drive.google.com/drive/folders/1EI67tTK2NnwW9MZa3Qr2anPbJ_Dlix91?fbclid=IwAR0A_Ltrkrn9Zt4VvF0IFhE_v3GWz-YDqaq-SsHaU2mHNG5861KXylvZlBY

Scarica lo strumento

Più Popolari

Vedi tutti →

Scopri gli strumenti più utilizzati dalla nostra community.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 Il toolkit OSINT definitivo: grafo di indagine, punteggio di affidabilità, famiglie di alias, mappa, timeline e report. 49 moduli, oltre 400 siti, nessuna chiave API richiesta.

    871
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # App di esecuzione con un tocco GhostLock (CVE-2026-43499)

    548
  • 3

    ARTEX

    baarai/artex

    Piattaforma di penetration testing autonoma multi-agente basata su LLM con agenti planner/worker, grafi di asset e di esplorazione, registrazione del traffico MITM e retesting delle vulnerabilità.

    383
  • 4

    redforge

    cybersecurity91/redforge

    Toolkit red team lato browser con 102 strumenti offline per ricognizione, generazione di payload, attacchi alle credenziali, crittografia, codifica e reportistica dell'engagement.

    361
  • 5

    looking-glass

    anonghosty/looking-glass

    Piattaforma CSIRT che importa i report di Shadowserver in MongoDB e li riproduce come mappe interattive, analisi, risultati, avvisi e dashboard executive.

    305
  • 6

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    Il sistema d'azione per la cybersecurity nativa AI—dove l'intento diventa esecuzione governata, le evidenze diventano memoria operativa, e ogni operazione migliora la successiva.

    280

Esplora tutti gli strumenti

Sfoglia la nostra collezione di strumenti

Vedi tutti gli strumenti →