Skip to content
KitploitKITPLOIT
도구블로그
제출
도구블로그
제출

해킹, 침투 테스트 및 사이버 보안 도구를 당신의 보안 무기고에!

Kitploit은 해킹, 사이버 보안 및 침투 테스트 도구 디렉토리입니다. 최신 프로젝트 업데이트를 발견하여 취약점을 찾고, 시스템을 분석하고, 테스트를 자동화하고, 보안을 강화하세요.

··피드·문의·개인정보·© 2026 Kitploit

도구 디렉토리

카테고리

모든 카테고리 보기
Loading categories
logdata-anomaly-miner — 이 도구는 로그 데이터를 파싱하고 이상 탐지를 위한 분석 파이프라인을 정의할 수 있게 해줍니다. 제한된 리소스와 최소한의 권한으로 분석을 실행하여 프로덕션 서버에서 사용하기에 적합하도록 설계되었습니다. | Kitploit
도구/GitHubGitHub/ait-aecid/logdata-anomaly-miner
Threat IntelligenceMachine LearningIntrusion DetectionAnomaly DetectionLog Analysis
GitHubait-aecid/logdata-anomaly-miner

logdata-anomaly-miner

이 도구는 로그 데이터를 파싱하고 이상 탐지를 위한 분석 파이프라인을 정의할 수 있게 해줍니다. 제한된 리소스와 최소한의 권한으로 분석을 실행하여 프로덕션 서버에서 사용하기에 적합하도록 설계되었습니다.

저장소 보기
932210일 전Kitploit 검토 완료

인기

모두 보기 →

커뮤니티에서 가장 많이 사용되는 도구를 찾아보세요.

모든 도구 탐색

도구 컬렉션을 둘러보세요

모든 도구 보기 →
공유

logdata-anomaly-miner Build Status DeepSource

이 도구는 로그 데이터를 파싱하고 이상 탐지를 위한 분석 파이프라인을 정의할 수 있게 해줍니다. 제한된 리소스와 최소한의 권한으로 분석을 실행하여 프로덕션 서버에서 사용하기 적합하도록 설계되었습니다.

AECID 데모 – aminer를 이용한 이상 탐지 및 IBM QRadar로 보고

요구 사항

logdata-anomaly-miner를 설치하려면 Linux 시스템에 python >= 3.6이 필요합니다. 현재 테스트에 포함된 모든 Ubuntu 및 Debian 버전이 권장됩니다. Fedora에 대한 지원은 실험적 수준입니다. 보다 구체적으로 테스트된 시스템은 Debian Buster, Debian Bullseye, Debian Bookworm, Ubuntu 20.04, Ubuntu 22.04, Fedora (도커 이미지 fedora:latest), RedHat (도커 이미지 redhat/ubi9)입니다.

추가 모듈 의존성은 requirements.txt를 참조하십시오.

설치

Debian

logdata-anomaly-miner의 Debian 패키지는 공식 Debian/Ubuntu 저장소에 있습니다.

root@kitploit:~
apt-get update && apt-get install logdata-anomaly-miner

소스에서 설치

다음 명령어는 최신 안정 릴리스를 설치합니다.

root@kitploit:~
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

Docker를 통한 설치에 대해서는 Docker로 배포를 참조하십시오.

시작하기

구성을 시작하기 위해 읽어볼 자료는 다음과 같습니다:

  • 시작하기 (튜토리얼)
  • 사용 가능한 구성 예시
  • 문서
  • 위키

출판물

출판물 및 발표:

  • 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. March 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), January 22-24, 2018, Funchal, Madeira - Portugal. 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), April 8, 2019, Washington D.C., USA. 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, December 9-12, 2019, Los Angeles, CA, USA. IEEE. [PDF]

전체 출판물 목록은 https://aecid.ait.ac.at/further-information/에서 확인할 수 있습니다.

기여

패치 및 기타 기여는 언제든 환영합니다. 시작 방법은 다음 링크를 참조하십시오:

  • 개발 환경 설치 방법
  • Git 개발 워크플로

버그

버그를 발견하시면 Github에 이슈를 생성해 주십시오.

보안

보안 관련 문제를 발견하시면 먼저 SECURITY.md를 읽고 문제를 보고해 주십시오.

라이선스

GPL-3.0

재정 지원

이 프로젝트는 오스트리아 KIRAS 보안 연구 프로그램의 CAIS (832345), CIIS (840842), CISA (850199) 연구 프로젝트, 오스트리아 연구 진흥청(FFG)의 미래 ICT 프로그램의 synERGY (855457) 및 DECEPT (873980) 연구 프로젝트, 유럽 방위 산업 개발 프로그램(EDIDP)의 PANDORA (SI2.835928) 연구 프로젝트, 그리고 유럽 제7차 프레임워크 프로그램(FP7) 및 Horizon 2020의 ECOSSIAN (607577) 및 GUARD (833456) 연구 프로젝트를 통해 재정 지원을 받았습니다.

도구 다운로드