Skip to content
KitploitKITPLOIT
도구익스플로잇블로그
Log in
제출
도구익스플로잇블로그
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.

피드문의개인정보© 2026 Kitploit

도구 디렉토리

카테고리

모든 카테고리 보기
Loading categories
degas — 딥러닝 모델 기반 DGA 생성 도메인 탐지 | Kitploit
도구/GitHubGitHub/matthoffman/degas
Threat IntelligenceMachine LearningPapers & ResearchLearning & EducationDNS AnalysisAnomaly Detection
GitHubmatthoffman/degas

degas

딥러닝 모델 기반 DGA 생성 도메인 탐지

저장소 보기
237367년 전Kitploit 검토 완료
공유

Degas

딥러닝 모델을 사용한 DGA 생성 도메인 탐지

에드거 드가, "네 명의 무용수"

실행

저는 현재 개발에 Conda(Anaconda/Miniconda)를 사용하고 있지만, 포함된 requirements.txt를 사용하면 Pipenv나 virtualenv도 사용할 수 있을 것입니다.

conda:

conda env create -f environment.yml
conda activate degas

Pipenv:

pipenv install -r requirements.txt
pipenv shell

Virtualenv도 비슷하지만, 이제 Pipenv 대신 virtualenv를 사용할 이유는 정말로 없습니다.

모델 재훈련

models 디렉토리에 훈련된 모델이 체크인되어 있습니다. 직접 훈련하려면 먼저 S3에서 훈련 데이터를 다운로드해야 합니다:

python degas/runner download-data

모델 빌더가 기대하는 간단한 CSV 형식으로 데이터를 처리합니다:

python degas/runner process-data data/raw data/processed

이 단계들은 훈련 데이터를 변경하지 않는 한 한 번만 실행하면 됩니다.

그런 다음 생성된 데이터셋으로 모델을 재훈련하려면, 먼저 선택한 패키지 관리자로 tensorflow-gpu를 설치하여(conda install tensorflow-gpu 또는 pip install tensorflow-gpu) 훈련이 GPU 가속으로 이루어지도록 하세요.

그런 다음 실행합니다:

python degas/runner train-model data/processed

사용 가능한 튜닝 옵션을 보려면 python degas/runner train-model --help를 실행하세요. GTX 1070에서 약 1시간 30분이 걸립니다. 약 9 에포크를 실행한 후 조기 종료됩니다. 예를 들어 5 에포크만 실행해도 훈련 시간을 절반으로 줄이면서 좋은 정확도를 얻을 수 있습니다: python degas/runner train-model --epochs 5 data/processed

예측하기

이 프로젝트는 기본 딥러닝 라이브러리로 Tensorflow를 사용하므로, 추론(inference)에 이 프로젝트를 사용하는 권장 방법은 Tensorflow Serving을 사용하는 것입니다.

다음과 같이 서빙할 수 있습니다:

docker run -p 8501:8501 \
  --mount type=bind,source=models/degas,target=/models/degas\
  -e MODEL_NAME=degas -t tensorflow/serving

사용 가능한 옵션에 대한 자세한 내용은 Tensorflow Serving 문서를 참조하세요.

Degas 소개

이 작업에 딥러닝을 사용하는 이유는 무엇일까요? 잘 작동하고 구현도 어렵지 않기 때문입니다. Byu et al, 2018에서:

"심층 신경망은 최근 DGA 탐지에 관한 문헌(Woodbridge et al., 2016; Saxe & Berlin, 2017; Yu et al., 2017)에 등장했습니다. 이는 모델 훈련의 복잡성을 높이고 더 큰 데이터셋을 요구하는 대가로, 정확도에서 기존 머신러닝 방법을 크게 능가합니다."

훈련에 사용할 수 있는 데이터가 충분하므로, 딥러닝 모델을 만드는 것은 대안들만큼 쉽거나 더 쉽습니다.

참고 자료

https://openreview.net/forum?id=BJLmN8xRW&noteId=BJLmN8xRW http://faculty.washington.edu/mdecock/papers/byu2018a.pdf

왜 "Degas"인가?

  • 이름이 있는 프로젝트를 작업하는 것이 "DGA-detector" 같은 것보다 더 재미있기 때문입니다.
  • 인상파 화가의 이름을 프로젝트에 붙이면 더 인상적으로 들릴까요?
  • 고전적인 "Samba 네이밍 알고리즘"( egrep -i '^d.*g.*a.* /usr/share/dict/words )의 첫 번째 결과였기 때문입니다.

참고로 저는 이 이름을 Edgar Degas에서처럼 "de-gah"로 발음합니다. "모든 기체를 제거하다"라는 뜻의 "de-gas"가 아니라요.

도구 다운로드

인기

모두 보기 →

커뮤니티에서 가장 많이 사용되는 도구를 찾아보세요.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 궁극의 OSINT 툴킷: 조사 그래프, 신뢰도 점수 산정, 별칭 패밀리, 지도, 타임라인 및 보고서. 49개 모듈, 400개 이상 사이트, API 키 불필요.

    891
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # GhostLock 원탭 실행 앱 (CVE-2026-43499)

    547
  • 3

    ARTEX

    baarai/artex

    LLM 멀티 에이전트 자율 침투 테스트 플랫폼으로, 플래너/워커 에이전트, 자산 및 탐색 그래프, MITM 트래픽 기록, 취약점 재테스트 기능을 제공합니다.

    369
  • 4

    redforge

    cybersecurity91/redforge

    브라우저 측 레드 팀 툴킷으로, 정찰, 페이로드 생성, 자격 증명 공격, 암호화, 인코딩 및 참여 보고를 위한 102개의 오프라인 도구를 제공합니다.

    366
  • 5

    looking-glass

    anonghosty/looking-glass

    Shadowserver 보고서를 MongoDB로 수집하고 이를 대화형 지도, 분석, 발견 사항, 권고 및 경영진 대시보드로 재생하는 CSIRT 플랫폼입니다.

    309
  • 6

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    AI 네이티브 사이버보안을 위한 행동 체계—의도가 통제된 실행이 되고, 증거가 운영 메모리가 되며, 모든 운영이 다음 운영을 개선하는 곳.

    282

모든 도구 탐색

도구 컬렉션을 둘러보세요

모든 도구 보기 →