GUI4MalSynGen

GUI4MalSynGen é uma interface gráfica para o MalSynGen, uma ferramenta integrada à plataforma Malware DataLab, dedicada à geração de dados tabulares sintéticos voltados para o ensino de técnicas de aprendizado profundo. Este projeto auxilia Hackers do Bem a expandirem datasets de malwares Android, permitindo que se preparem para combater ameaças cada vez mais sofisticadas.

📚 Sumário

• Arquitetura
• Requisitos
• Instalação
• Execução com Docker
• Uso
• Execução de Campanhas de Treinamento

🏛️ Arquitetura

📦 Requisitos

• Sistema operacional: Ubuntu 22.04 (MacOS/Windows em fase experimental)
• Memória: Mínimo de 4GB de RAM
• Armazenamento: Mínimo de 10GB de espaço livre em disco
• Git instalado
• Docker versão 27.2.1
• Python versão 3.8.10 ou superior

👨‍💻 Instalação

Clone o repositório do projeto:

git clone https://github.com/LeonardoSonco/GUI4MalSynGen.git

🛠️ Execução com Docker

Backend da aplicação

• Abra o terminal.
• Navegue até a pasta autodroid.
• Execute o comando abaixo para iniciar o backend:

./start.sh

Frontend da aplicação

• Abra um novo terminal.
• Navegue até a pasta raiz do projeto.
• Acesse a pasta frontend.
• Execute o script com o comando:

./start.sh

⚠️ Observações Importantes

Se algum do script ./start.sh não estiver como executável, basta usar o comando abaixo para dar permissão de execução:

chmod +x start.sh

Caso apareça a mensagem de permission denied ao tentar executar o script, basta repetir utilizando o comando:

sudo su

⚙️ Uso

Após a instalação e execução do Docker, a aplicação estará disponível localmente para uso:

• Abra o navegador.
• Digite na barra de busca:

localhost:3000

Pronto! Agora você acessou o conteúdo localmente em sua máquina.

🚀 Execução de Campanhas de Treinamento

Para executar campanhas de treinamento, siga os passos abaixo:

1. Na interface, vá até o card de Parâmetros de Treinamento, e selecione a opção Custom preenchendo com os seguintes valores:

• verbosity: 20
• dense layer sizes g: 256
• dense layer sizes d: 256
• number epochs: 1000

2. Escolha o dataset disponível na pasta Dataset do repositório, chamado drebin215_small_64Malwares_64Benign.

3. Clique em Adicionar para que esses parâmetros sejam adicionados à lista de execução.

4. Clique no botão Iniciar para começar o treinamento. Se nada aparecer no card de Processos, clique no botão de Refresh para atualizar.

5. Quando o processo estiver com o ícone de check (✔), clique sobre ele para visualizar os resultados.
   
   ⚠️ Observações Importantes ⚠️
   
   Se ocorrer um erro de autorização ou falha na conexão, será necessário limpar o local storage da página no navegador, excluir todos os containers relacionados ao experimento e reiniciar a execução do Docker (Execução com Docker).

Na página de resultados, você encontrará gráficos gerados durante o treinamento do dataset com os parâmetros configurados. Também é possível baixar o dataset treinado, se desejar.