Skip to content

MalwareDataLab/malwaredatalab.github.io

Repository files navigation

GT - Malware DataLab (RNP)

Equipe

image

Objetivos

O objetivo geral deste projeto é estabelecer um serviço para reduzir a curva de aprendizado e facilitar a investigação de técnicas avançadas de geração de dados para expandir datasets úteis na classificação de aplicativos Android (benigno ou maligno). Neste contexto, delineamos três objetivos específicos, que cobrem, respectivamente, os eixos de extensão inovadora, pesquisa e ensino.

O1 - Ambiente de Execução: permitir que o Hacker do Bem possa expandir conjuntos de dados rotulados de maneira rápida e confiável (isto é, com base em métricas de desempenho) usando modelos pré-treinados.

O2 - Ambiente de Experimentação: permitir que o Hacker do Bem possa investigar, de maneira sistemática, múltiplas arquiteturas de RNA, atuais e futuras, voltadas aumentar a disponibilidade e a qualidade de datasets de malware Android. Posteriormente, o serviço poderá estender-se a aplicações correlatas, como o desenvolvimento de novos malwares.

O3 - Material Aprendizado e Treinamento: disponibilizar de forma didática e organizada gráficos e números, em todas as etapas do processo do processo de geração de novos dados, que permitam compreender o que está acontecendo com a RNA. Além disso, disponibilizar material didático voltado para fundamentos de inteligência artificial aplicados à segurança, incluindo tópicos em redes neurais artificiais.

pipeline

Apresentação do projeto

Slides de apresentação do projeto

Novidades!!!

Paper ACEITO na Trilha Principal do SBSeg24

Paper ACEITO no Salão de Ferramentas do SBSeg24

NOVA versão da ferramenta de geração de dados sintéticos! NOVA metodologia de avaliação.

Trabalhos relacionados

Capítulos de livro

Schepke, Claudio; FAVA, FELIPE BEDINOTTO ; KREUTZ, DIEGO LUIS . DinD-Bench: Impacto de Contêineres Docker em Docker para a Programação Paralela. In: Arthur Francisco Lorenzon e Marco Antonio Zanata Alves. (Org.). Minicursos da XXIV Escola Regional de Alto Desempenho da Região Sul. 1ed.Porto Alegre: SBC, 2024, v. , p. 43-61. https://sol.sbc.org.br/livros/index.php/sbc/catalog/book/137

Artigos

FAVA, FELIPE BEDINOTTO ; LAVIOLA LEITE, LUIZ FELIPE ; DA SILVA, LUÍS FERNANDO ALVES ; DA SILVA AMALFI COSTA, PEDRO RAMIRES ; DINIZ NOGUEIRA, ANGELO GASPAR ; GOBUS LOPES, AMANDA FAGUNDES ; SCHEPKE, CLAUDIO ; KREUTZ, DIEGO LUIS ; MANSILHA, RODRIGO BRÃNDAO . Assessing the Performance of Docker in Docker Containers for Microservice-Based Architectures. In: 2024 32nd Euromicro International Conference on Parallel, Distributed and NetworkBased Processing (PDP), 2024, Dublin, Ireland, 2024, pp 137-142. IEEE. https://ieeexplore.ieee.org/document/10495554

Luiz Felipe Laviola ; Kayuã Oleques Paim ; Diego Kreutz ; Brandão Mansilha, Rodrigo . AutoDroid: disponibilizando a ferramenta DroidAugmentor como serviço. In: Escola Regional de Redes de Computadores, 2023, Porto Alegre. Anais da XX Escola Regional de Redes de Computadores. Porto Alegre: SBC, 2023. v. 1. https://sol.sbc.org.br/index.php/errc/article/download/26020/25843/

Karina Casola ; Kayuã Oleques Paim ; Rodrigo Brandão Mansilha ; Diego Kreutz . DroidAugmentor: uma ferramenta de treinamento e avaliação de cGANs para geração de dados sintéticos. In: Simpósio Brasileiro em Segurança da Informação e de Sistemas Computacionais, 2023, Juiz de Fora. Anais Estendidos do XXIII Simpósio Brasileiro em Segurança da Informação e de Sistemas Computacionais, 2023. https://sol.sbc.org.br/index.php/errc/article/view/26020

Contatos

Diego Kreutz

Rodrigo Brandão Mansilha

Kayuã Oleques Paim

Hendrio Luis de Souza Bragança

Luiz Felipe Laviola Leite

Angelo Gaspar Diniz Nogueira