Skip to content
KitploitKITPLOIT
ИнструментыБлог
Отправить
ИнструментыБлог
Отправить

Инструменты для хакинга, пентеста и кибербезопасности — ваш арсенал защиты!

Kitploit — это каталог инструментов для хакинга, кибербезопасности и пентестинга. Находите последние обновления проектов для поиска уязвимостей, анализа систем, автоматизации тестирования и усиления вашей безопасности.

··Ленты·Контакты·Конфиденциальность·© 2026 Kitploit

Каталог инструментов

Категории

Все категории
Loading categories
amlsec — Автоматизированное выявление рисков безопасности с использованием инженерных данных на основе AutomationML | Kitploit
Инструменты/GitHubGitHub/sbaresearch/amlsec
Анализ уязвимостейБезопасность SCADA/ICSСтатьи и Исследования
GitHubsbaresearch/amlsec

amlsec

Автоматизированное выявление рисков безопасности с использованием инженерных данных на основе AutomationML

Репозиторий
30104 лет назадПроверено Kitploit

Популярное

Смотреть все →

Откройте для себя самые используемые инструменты нашего сообщества.

Изучить все инструменты

Просмотрите нашу коллекцию инструментов

Смотреть все инструменты →
Поделиться

Автоматизированная идентификация рисков безопасности в киберфизических производственных системах с использованием инженерных данных на основе AutomationML

Этот прототип реализует методы, представленные в следующих двух публикациях:

  1. Eckhart, M., Ekelhart, A., & Weippl, E. R. (2020). Автоматизированная идентификация рисков безопасности с использованием инженерных данных на основе AutomationML. IEEE Transactions on Dependable and Secure Computing.
  2. Eckhart, M., Ekelhart, A., Biffl S., Lüder A., & Weippl, E. R. (2022). QualSec: Автоматизированный подход, ориентированный на качество, для идентификации рисков безопасности в киберфизических производственных системах. IEEE Transactions on Industrial Informatics.

По сути, он идентифицирует источники рисков безопасности (т.е. угрозы и уязвимости) и типы последствий атак на основе артефактов AutomationML (AML). Результаты процесса идентификации рисков могут быть использованы для генерации киберфизических графов атак, которые моделируют многоэтапные кибератаки, потенциально приводящие к физическому ущербу. Кроме того, идентифицируются каскадные эффекты и последствия атак, влияющих на качество продукции.

Установка

  1. Сборка AML2OWL

Этот прототип зависит от форкнутой версии реализации двунаправленного перевода между AML и OWL для статьи ETFA 2019 "Interpreting OWL Complex Classes in AutomationML based on Bidirectional Translation" от Hua и Hein. Клонируйте репозиторий, скомпилируйте проекты и соберите пакет приложения aml_owl:

root@kitploit:~
$ cd aml_models
$ mvn clean compile install
$ cd ../aml_io
$ mvn clean compile install
$ cd ../aml_owl
$ mvn clean compile install assembly:single
  1. Настройка базового каталога AMLsec

Клонируйте этот репозиторий, создайте базовый каталог приложения (обычно расположенный в домашнем каталоге пользователя) и поместите туда файлы, находящиеся в amlsec-base-dir, и собранный JAR-файл AML2OWL (находится в aml_owl/target/). Базовый каталог AMLsec и путь к JAR-файлу AML2OWL должны быть указаны в файле конфигурации с помощью ключей baseDir и amlToOwlProgram соответственно.

  1. Настройка Apache Jena Fuseki

Установите и запустите Apache Jena Fuseki:

root@kitploit:~
$ java -jar <path_to_apache-jena-fuseki-X.Y.Z>/fuseki-server.jar --update
  1. Установка LoLA 2 (только для QualSec)

Если вы хотите запустить QualSec, вам необходимо установить LoLA - A Low Level Petri Net Analyzer.

  1. Сборка и запуск приложения

Наконец, соберите и запустите приложение с помощью sbt.

root@kitploit:~
$ sbt "runMain org.sba_research.worker.Main -q"

Используйте флаги -s и -q для запуска AMLsec и QualSec соответственно.

Использование

Реализованные методы используют механизм семантического отображения информации, реализованный с помощью библиотек AML. Эти библиотеки расширения безопасности AML и библиотеки расширения качества AML могут быть легко повторно использованы в инженерных проектах путем импорта их в AML-файлы.

Опять же, если вы хотите выполнить прототип метода, представленного в статье IEEE TDSC, используйте флаг -s. Флаг -q, с другой стороны, соответствует методу, представленному в статье IEEE TII.

Возможности этого прототипа продемонстрированы в тематических исследованиях (AMLsec, QualSec). Запуск этого прототипа в исходном виде сформирует базу знаний (доступную через Fuseki), которая также включает результаты процесса идентификации рисков и результаты тематического исследования.

Кроме того, если запустить прототип с стандартным тематическим исследованием и флагом -s, будет создан следующий сокращенный киберфизический граф атак:

Cyber-Physical Attack Graph

Кластер

Прототип использует фреймворк Akka и способен распределять нагрузку по идентификации рисков между несколькими узлами. В качестве шаблона использовался пример распределенных рабочих Akka.

Для запуска кластера с несколькими узлами (примеры с флагом -q):

  1. Запустите Cassandra:
root@kitploit:~
$ sbt "runMain org.sba_research.worker.Main cassandra -q"
  1. Запустите первый начальный узел:
root@kitploit:~
$ sbt "runMain org.sba_research.worker.Main 2551 -q"
  1. Запустите фронтальный узел:
root@kitploit:~
$ sbt "runMain org.sba_research.worker.Main 3001 -q"
  1. Запустите рабочий узел (второй параметр обозначает количество рабочих акторов, например, 3):
root@kitploit:~
$ sbt "runMain org.sba_research.worker.Main 5001 3 -q"

Если вы запускаете узлы на отдельных машинах, вам потребуется адаптировать настройки Akka в файле конфигурации.

Оценка производительности

Измерения и файлы журналов, полученные в ходе оценки производительности, доступны по запросу.

Как цитировать

Если вы используете этот прототип в своих исследованиях, пожалуйста, рассмотрите возможность цитирования нашей публикации IEEE TDSC 2020 или IEEE TII 2022. Не стесняйтесь использовать BibTeX-записи статей (TDSC, TII).

Благодарность

Авторы хотели бы поблагодарить Yameng An за предоставление начальной версии OntoPLC.

Скачать инструмент