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
IoMT_SecAlarmBench — Internet of Medical Things(IoMT)におけるセキュリティアラームシステムを評価するための標準化されたベンチマーク - 攻撃、検出、誤警報耐性、およびレイテンシ。 | Kitploit
ツール/GitHubGitHub/techosystem/iomt_secalarmbench
防御ツールIoTセキュリティハードウェアとIoTセキュリティ機械学習侵入検知論文と研究異常検知ラボと実践
GitHubtechosystem/iomt_secalarmbench

IoMT_SecAlarmBench

Internet of Medical Things(IoMT)におけるセキュリティアラームシステムを評価するための標準化されたベンチマーク - 攻撃、検出、誤警報耐性、およびレイテンシ。

リポジトリを見る
2ヶ月前未レビュー
共有

IoMT-SecAlarmBench

Internet of Medical Things における完全性攻撃のための反実仮想ベンチマーク。

「IoMT-SecAlarmBench: A Counterfactual Benchmark for Integrity Attacks in IoMT」 のコンパニオンコード。

ICU アラームが発報したとき、異常検知器はその測定値が異常であることを伝えることはできる。しかし、その理由——本当の悪化なのか、センサーの故障なのか、それとも生理学的範囲内に収まる偽装された測定値なのか——を伝えることはできない。それに答えるには反実仮想のグラウンドトゥルースが必要である。すなわち、ネットワークが健全なままであったならアラームがどう動作していたか、である。同じ事象の両方の結果を同時に観測することはないため、自然に収集された記録にはこれが含まれない。

本ベンチマークはこれを構成的に提供する。制御された完全性攻撃が実際の結合 ECG+PPG 記録に注入され、攻撃を受けたすべてのウィンドウについて、観測されたはずのクリーンな信号が保持される。


概要

ウィンドウ78,729 個のラベル付き 10 秒ウィンドウ、5 秒ストライド、125 Hz の 2 チャネル ECG+PPG
クラス39,882 攻撃 · 32,875 生理学的正常 · 5,350 故障/アーティファクト · 622 生理学的イベント
スパインECG+PPG コアペアを含む 627 件の CinC 2015 記録(231 真アラーム / 396 偽アラーム)
注入空間{replay} ∪ (4 形態 × 4 深刻度レベル × 2 妥当性レジーム)
分割患者単位で 436 / 91 / 100、不整脈タイプで層別化
反実仮想攻撃を受けた各ウィンドウについて、注入前の正確なクリーン信号を保持

主要な結果。 5 つの手法ファミリーのうち、性能限界を一貫して超える検知器は存在しない。リプレイ攻撃と低振幅の過渡スパイクは、6 つのベースラインすべてにおいてチャンスレベルの 1.2~1.7 倍にとどまる。困難なケースにおいて最強の検知器は、正常データにおける自身の誤警報率の 5.3 倍で故障/アーティファクトウィンドウを検出する——これは攻撃と故障の曖昧さであり、特定の測定可能な信号関係に局在化している。


インストール

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 は、報告された実行で使用された CUDA 12.8 ビルドに固定されています。インデックス URL については docs/REPRODUCE.md を参照してください。古典的ベースライン(Isolation Forest)、ジェネレーター、およびリーク監査は、PyTorch なしで CPU 上で実行されます。

データの取得

ここでは何も再配布されていません(LICENSE-DATA.md を参照)。ソースを取得してください:

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

WUSTL-EHMS-2020 は著者に申請して入手し、 data/wustl/wustl-ehms-2020.csv に配置する必要があります。

ベンチマークのビルド

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

設定されたシードの下で決定的に動作します。78,729 個のウィンドウが生成される見込みです。ジェネレーターはクラスのヒストグラムを出力するので、上記の表と照合して確認できます。

論文を再現する

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

これにより、results/ 配下にタイムスタンプ付きのディレクトリが作成され、その中には manifest.json が含まれます。このファイルには、設定、パッケージのバージョン、GPU、およびすべてのソースモジュールの MD5(Table I の重大度定数を含む)が記録されます。報告されている実行は 20260730-205501(Table III)と 20260730-222727(Table IV)です。コンポーネントごとのエントリポイントは以下のとおりです:

論文のセクションコマンド
RQ1 検出(Table III)python src/rq1_report.py
RQ2 ステルス性(Table IV)python src/eval_harness.py --matched-far 0.10
RQ3 識別(Table V)python src/rq3_discrimination.py
RQ4 効率python src/eval_harness.py --profile
リーケージ監査python src/wustl_leakage.py
アトリビューション(保留中;§VIII を参照)python src/rq2_attribution_v3.py
図make figures

数値を比較する前に docs/REPRODUCE.md を読んでください。 2 つのルールは任意ではありません。検出器はしきい値なしで、または一致させた誤警報予算で比較すること(各手法自身の最大 F₁ 点で比較してはならない。これはシード間で最大 ±0.234 変動する一方、しきい値なしの AUPRC は ≤0.013 しか変動しない)、そして AUPRC はサブセットごとに異なる偶然水準に対して報告することです。

レイアウト

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.

既知の問題

公開記録として残し、論文でも議論している:

  • 単一ターゲット注入。 本リリースのすべての攻撃は拍動性チャネルを対象としているため、チャネルレベルの局在化は縮退する — 常に「PPG」と答える予測器は AC@1 = 1.000 を記録する。このため帰属のベースラインは報告していない。縮退しない帰属には、ターゲットがチャネル間で変化する必要がある。
  • 深刻度の飽和。 作成した16セルのうち6セルで、スケジュールされた大きさが妥当性の上限に達するため、範囲内の FDI はクリップされ、L3–L4 は比例的ではなく順序的になる。
  • アラームレベルの反事実オラクルは仕様化されているが、実装されていない。
  • 単一コーパス。 すべての生理学的結果は、CinC の5–5.5分のアラーム中心記録に由来する。

引用

CITATION.cff を参照し、元のコーパスも併せて引用すること。

臨床用途向けではない

検出、識別、帰属、リーク監査のベンチマークに推奨する。臨床展開の判断には使用しないこと、また前向き検証なしにアラームシステムの訓練に使用しないこと。

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。

    696
  • 2

    ghostlock-app

    yukonga/ghostlock-app

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

    499
  • 3

    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。

    396
  • 4

    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。

    340
  • 5

    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。

    258
  • 6

    antifox

    antifox-ai/antifox

    偵察、攻撃対象領域の探索、エクスプロイト検証、証拠に基づくレポート提供を実行するAI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。

    257

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 →