ALBGE

目录结构:

• root
  • raw_data
    • auditlog
      • M1H1
        • malicious_labels.txt
        • security_events.txt
      • M1H2
      • ...
  • save
    • data
      • train
      • test
    • gml
      • train
      • test
    • model
      • albge
    • trace
  • utils
  • tools

依赖

• Python 3 3.8.13
• pytorch 1.12.1
• networkx 2.8.6
• torch-geometric 2.1.0
• matplotlib 3.5.3
• tqdm 4.64.1

如何使用

1. 下载 ATLAS 数据集。地址: https://github.com/purseclab/ATLAS/tree/main/raw_logs
2. 将 raw_data 中的 security_events, malicious_labels 文件放至 ./raw_data/auditlog/... 路径下, 每一份攻击样本单独一个文件夹
3. 执行 "python graph_generator.py", 将原始日志处理为溯源图, 根据样本名存至./save/gml/ 路径下
4. 手工将作为训练集与测试集的日志分别放入 ./save/gml/train & ./save/gml/test.
5. 执行 "python train_data_generator.py", 将提取行为图并存至 ./save/data/train & ./save/data/test 路径
6. 执行 "python training.py -h" 可查看训练脚本帮助, 或直接执行 "python training.py" 使用默认参数进行训练。结果保存到 ./save/trace 路径下, 可以使用 ./utils/plot_.py 绘制图表

我们提供预处理后生成的 provenance_graph 与 behavior_graph 文件, 可直接用于复现实验。下载地址: https://drive.google.com/drive/folders/18PZz2wcsCKJN17gLiDLRJMltQ04bLi43?usp=drive_link