Skip to content
KitploitKITPLOIT
ツールエクスプロイトブログ
Log in
提出
ツールエクスプロイトブログ
提出

ハッキング、侵入テスト、サイバーセキュリティツールをあなたのセキュリティアーセナルに!

Kitploitはハッキング、サイバーセキュリティ、ペネトレーションテストのツールディレクトリです。最新のプロジェクトアップデートを見つけて、脆弱性の発見、システム分析、テストの自動化、セキュリティの強化を行いましょう。

フィードお問い合わせプライバシー© 2026 Kitploit

ツールディレクトリ

カテゴリ

すべてのカテゴリを見る
Loading categories
anomaly-flow — フェデレーテッドラーニングモデルを使用してネットワークフロー内の異常を識別することを目的とした、ネットワーク侵入検知システム(NIDS)を実装するためのフレームワーク。 | Kitploit
ツール/GitHubGitHub/c2dc/anomaly-flow
ネットワークセキュリティ機械学習侵入検知論文と研究学習と教育異常検知
GitHubc2dc/anomaly-flow

anomaly-flow

フェデレーテッドラーニングモデルを使用してネットワークフロー内の異常を識別することを目的とした、ネットワーク侵入検知システム(NIDS)を実装するためのフレームワーク。

リポジトリを見る
133471年前未レビュー
共有

Anomaly-Flow

License: MIT

機械学習モデルを使用してネットワークフロー内の異常を識別することを目的とした、侵入検知システム(NIDS)を実装するためのフレームワークです。

  • 参考論文: Anomaly-Flow: A Multi-domain Federated Generative Adversarial Network for Distributed Denial-of-Service Detection

実験環境の構築

実験環境を作成するには、以下のコマンドを実行してください:

python -m venv .env 

注:スクリプトがこの名前を使用して必要なライブラリをロードするため、仮想環境はこの名前である必要があります。 fl-unsup-nids/blob/anomaly-flow-baseline/utils/load_data.py 仮想環境を作成したら、以下のコマンドを使用して必要なPythonパッケージをインストールしてください:

pip install -r requirements.txt

ローカル実験を実行するコマンド

ローカル実験を実行するには、以下のコマンドを使用します:

source experiments.sh

フェデレーテッドラーニング実験を実行するコマンド

フェデレーテッドラーニング実験を実行するには、以下のコマンドを使用します:

source run.sh 

実験を実行するためのデータの取得

実験を実行するには、プロジェクトのルートにあるdatasetsというフォルダにCIC-IDS2018、BoT-IoT、ToN-IoTを配置する必要があります。例:

|- anomaly-flow
    |- datasets 
        |- NF-CSE-CIC-IDS2018-v2-DDoS.csv.gz
        |- NF-BoT-IoT-v2-DDoS.csv.gz
        |- NF-ToN-IoT-v2-DDoS.csv.gz 

私たちのケースでは、元のデータセットからフィルタリングされた良性サンプルとDDoSサンプルのみを含む派生データセットを使用しました。

合成データの生成

特定のデータセット用の合成データを生成するには、スクリプトmain.ipynbを使用してください。

外部モデル・シンプルモデルのベースライン

EFCパッケージのインストール

外部モデルおよびシンプルモデルのスクリプトを実行するには、EFCアルゴリズム用のカスタムpipパッケージをインストールしてください:

  1. スクリプトに実行権限があることを確認します:
chmod +x ./auxiliary_scripts/install-efc.sh
  1. スクリプトを実行します(Gitと**.env**という名前のanomaly-flow環境が必要です):
./auxiliary_scripts/install-efc.sh

ベースライン

フェデレーテッドラーニングを使用したマルチドメインDDoS検出のベースラインは、以下の場所で入手できます:

  • Autoencoder
  • Logistic Regression
  • FLAD

参考文献

実験に使用したデータは、以下のサイトから入手できます:

Machine Learning-Based NIDS Datasets (Netflow V2 Datasets)

この研究の準備にあたり、以下のプロジェクトを参考にしました:

GANomaly

Anomaly-Toolbox Project

Energy-based Flow Classifier

著者

drawing    Leonardo Henrique de Melo

drawing    Gustavo de Carvalho Bertoli

drawing    Michele Nogueira

drawing    Aldri Luiz dos Santos

drawing    Lourenço Alves Pereira Junior

引用

@ARTICLE{anomalyflow,
  author={De Melo, Leonardo Henrique and Bertoli, Gustavo de Carvalho and Nogueira, Michele and Dos Santos, Aldri Luiz and Pereira, Lourenço Alves},
  journal={IEEE Network}, 
  title={Anomaly-Flow: A Multi-domain Federated Generative Adversarial Network for Distributed Denial-of-Service Detection}, 
  year={2025},
  volume={},
  number={},
  pages={1-1},
  doi={10.1109/MNET.2025.3567251}
}
ツールをダウンロード

人気

すべて見る →

コミュニティで最も使われているツールを見つけましょう。

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 究極のOSINTツールキット:調査グラフ、信頼度スコアリング、エイリアスファミリー、マップ、タイムライン、レポート。49個のモジュール、400以上のサイト、APIキー不要。

    911
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    GhostLock ワンタップ実行アプリ(CVE-2026-43499)

    548
  • 3

    redforge

    cybersecurity91/redforge

    ブラウザ側のレッドチームツールキット。偵察、ペイロード生成、認証情報攻撃、暗号、エンコーディング、エンゲージメントレポート向けの102のオフラインツールを備えています。

    366
  • 4

    ARTEX

    baarai/artex

    プランナー/ワーカーエージェント、資産グラフと探索グラフ、MITMトラフィック記録、脆弱性の再テストを備えたLLMマルチエージェント自律ペネトレーションテストプラットフォーム。

    362
  • 5

    looking-glass

    anonghosty/looking-glass

    ShadowserverレポートをMongoDBに取り込み、インタラクティブなマップ、分析、調査結果、アドバイザリ、エグゼクティブダッシュボードとして再生するCSIRTプラットフォーム。

    311
  • 6

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    AIネイティブなサイバーセキュリティのためのアクションシステム。意図がガバナンスされた実行に変わり、証拠が運用記憶となり、すべての操作が次の操作を改善する。

    287

すべてのツールを探索

ツールコレクションを閲覧

すべてのツールを見る →