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
IoMT_SecAlarmBench — Un benchmark standardizzato per valutare i sistemi di allarme di sicurezza nell'Internet of Medical Things (IoMT) - attacchi, rilevamento, resilienza ai falsi allarmi e latenza. | Kitploit
Strumenti/GitHubGitHub/techosystem/iomt_secalarmbench
Strumenti DifensiviSicurezza IoTSicurezza Hardware e IoTMachine LearningRilevamento IntrusioniPaper e RicercaRilevamento di AnomalieLab e Pratica
Condividi
GitHub
techosystem/iomt_secalarmbench

IoMT_SecAlarmBench

Un benchmark standardizzato per valutare i sistemi di allarme di sicurezza nell'Internet of Medical Things (IoMT) - attacchi, rilevamento, resilienza ai falsi allarmi e latenza.

Vedi Repository
2 mesi faNon ancora revisionato

IoMT-SecAlarmBench

Un benchmark controfattuale per gli attacchi all'integrità nell'Internet of Medical Things.

Codice complementare per "IoMT-SecAlarmBench: A Counterfactual Benchmark for Integrity Attacks in IoMT".

Quando scatta un allarme in terapia intensiva, un rilevatore di anomalie può dirti che la lettura è insolita. Non può dirti perché — un deterioramento reale, un guasto del sensore, o una misurazione falsificata che rientra nell'intervallo fisiologico. Rispondere a questo richiede una verità di riferimento controfattuale: cosa avrebbe fatto l'allarme se la rete fosse rimasta sana. Nessuna registrazione raccolta naturalmente la contiene, perché non si osservano mai entrambi gli esiti dello stesso evento.

Questo benchmark la fornisce per costruzione. Attacchi controllati all'integrità vengono iniettati in registrazioni genuine accoppiate ECG+PPG, e per ogni finestra attaccata viene conservato il segnale pulito che sarebbe stato osservato.


In sintesi

Finestre78.729 finestre etichettate da 10 s, passo di 5 s, ECG+PPG a 2 canali a 125 Hz
Classi39.882 attacco · 32.875 fisiologia-normale · 5.350 guasto/artefatto · 622 evento-fisiologico
Spina dorsale627 record CinC 2015 che portano la coppia centrale ECG+PPG (231 veri / 396 falsi allarmi)
Spazio di iniezione{replay} ∪ (4 morfologie × 4 livelli di gravità × 2 regimi di plausibilità)
Suddivisioniper paziente 436 / 91 / 100, stratificate per tipo di aritmia
Controfattualesegnale pulito pre-iniezione esatto conservato per ogni finestra attaccata

Risultati principali. Nessun rilevatore tra cinque famiglie di metodi supera costantemente il limite di prestazione: gli attacchi replay e i picchi transitori a bassa ampiezza si collocano a 1,2–1,7× il caso per tutti e sei i baseline. Il rilevatore più forte sui casi difficili segnala finestre di guasto/artefatto a 5,3× il proprio tasso di falsi allarmi sui dati normali — l'ambiguità attacco-versus-guasto, localizzata a una specifica, misurabile relazione del segnale.


Installazione

git clone https://github.com/techosystem/IoMT-SecAlarmBench.git
cd IoMT-SecAlarmBench
python -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt

PyTorch è fissato alla build CUDA 12.8 utilizzata per le esecuzioni riportate; consultare docs/REPRODUCE.md per l'URL dell'indice. La baseline classica (Isolation Forest), il generatore e l'audit di leakage vengono eseguiti su CPU senza PyTorch.

Ottenere i dati

Qui non viene ridistribuito nulla (vedere LICENSE-DATA.md). Recuperare le fonti:

bash scripts/get_data.sh          # downloads CinC 2015 into data/cinc2015/

WUSTL-EHMS-2020 deve essere richiesto ai suoi autori e inserito in data/wustl/wustl-ehms-2020.csv.

Costruire il benchmark

python src/injection_generator.py --config configs/benchmark.yaml --out data/benchmark/

Deterministico con il seed configurato. Attendersi 78.729 finestre; il generatore stampa l'istogramma delle classi così puoi confrontarlo con la tabella sopra.

Riprodurre il paper

python scripts/run_all.py --config configs/benchmark.yaml --seeds 0 1 2 3 4 --deterministic

Questo scrive una directory con timestamp sotto results/ contenente un manifest.json che registra la configurazione, le versioni dei pacchetti, la GPU e l'MD5 di ogni modulo sorgente — incluse le costanti di severità della Tabella I. Le esecuzioni riportate sono 20260730-205501 (Tabella III) e 20260730-222727 (Tabella IV). Punti di ingresso per componente:

Sezione dell'articoloComando
Rilevamento RQ1 (Tabella III)python src/rq1_report.py
Furtività RQ2 (Tabella IV)python src/eval_harness.py --matched-far 0.10
Discriminazione RQ3 (Tabella V)python src/rq3_discrimination.py
Efficienza RQ4python src/eval_harness.py --profile
Audit di leakagepython src/wustl_leakage.py
Attribuzione (rinviata; vedi §VIII)python src/rq2_attribution_v3.py
Figuremake figures

Leggere docs/REPRODUCE.md prima di confrontare i numeri. Due regole non sono opzionali: confrontare i rilevatori senza soglia o a un budget di falsi allarmi equivalente, mai al punto di max-F₁ di ciascun metodo (si sposta fino a ±0.234 tra i seed mentre l'AUPRC senza soglia si sposta di ≤0.013), e riportare l'AUPRC rispetto al suo livello di riferimento casuale, che differisce per sottoinsieme.

Struttura

src/          generator, adapters, detectors, evaluation  (flat imports; run from repo root)
scripts/      get_data.sh, run_all.py
configs/      benchmark.yaml, detectors.yaml
figures/      figure generation scripts
docs/         REPRODUCE.md
tests/        smoke tests
results/      run outputs (gitignored except manifest.json)
DATASHEET.md  full datasheet, following Gebru et al.

Problemi noti

Documentati apertamente e discussi nel paper:

  • Iniezione a bersaglio singolo. Tutti gli attacchi in questa release prendono di mira il canale pulsatile, quindi la localizzazione a livello di canale è degenere — un predittore che risponde sempre "PPG" ottiene AC@1 = 1.000. Per questo motivo non viene riportata alcuna baseline di attribuzione. Un'attribuzione non degenere richiede che il bersaglio vari tra i canali.
  • Saturazione della severità. In 6 delle 16 celle costruite la magnitudine programmata raggiunge il limite di plausibilità, quindi l'FDI entro i limiti viene troncato e L3–L4 sono ordinali anziché proporzionali.
  • L'oracolo controfattuale a livello di allarme è specificato ma non implementato.
  • Corpus singolo. Tutti i risultati fisiologici provengono dai record di CinC di 5–5,5 min centrati sull'allarme.

Citazione

Vedi CITATION.cff e cita anche i corpus di origine.

Non destinato all'uso clinico

Consigliato per il benchmarking di rilevamento, discriminazione, attribuzione e auditing delle perdite di dati. Non destinato a decisioni di implementazione clinica, né all'addestramento di sistemi di allarme senza validazione prospettica.

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.

    696
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    499
  • 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.

    396
  • 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.

    340
  • 5

    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.

    258
  • 6

    antifox

    antifox-ai/antifox

    Piattaforma multi-agente di penetration testing autonoma basata sull'IA che esegue ricognizione, scoperta della superficie d'attacco, validazione dello sfruttamento e consegna di report supportati da evidenze.

    257

Esplora tutti gli strumenti

Sfoglia la nostra collezione di strumenti

Vedi tutti gli strumenti →