ayaFlow

ayaFlow ayaFlowは、Aya で構築されたRust + eBPFネットワークトラフィックアナライザです。各Linuxノードで1つのエージェントを実行し、ingressとegressにTC分類器をアタッチし、ライブトラフィックデータ、SQLiteによる履歴データ、およびPrometheusメトリクスを公開します。 何をするか eBPF TC分類器を使用してIPv4、IPv6、TCP、UDPトラフィックをキャプチャします。 メモリ内のライブ接続統計とSQLite内の履歴レコードを保持します。 オプションで、リバースDNS、DNSクエリドメイン、TLS...

CVE-2026-68138

CVE-2026-68138：Linux qdisc 速率表竞态导致本地 root 提权 本仓库包含针对 CVE-2026-68138 的概念验证型本地权限提升漏洞利用程序，该漏洞是 Linux 流量控制速率表代码中的一个竞态条件。在测试的 QEMU 环境中，该 PoC 可将初始用户命名空间中 UID 为 1000 的普通进程提升为 UID 为 0 的 shell。 警告 此代码会故意破坏内核堆状态。请仅在你拥有的一次性隔离虚拟机中使用。竞态失败或过早清理可能导致客户机内核崩溃。请勿在工作站、服务器或第三方系统上运行。 漏洞概要 qdiscgetrtab 和 qdiscputrtab...

ache

ACHE フォーカスクローラー ACHE はフォーカス型 Web クローラーです。特定の基準（例：特定のドメインに属するページ、ユーザー指定のパターンを含むページ）を満たす Web ページを収集します。 ACHE は、特定のドメイン内で関連ページと非関連ページを区別するために ページ分類器 を使用する点で、汎用クローラーとは異なります。ページ分類器は、単純な正規表現（例えば特定の単語を含むすべてのページに一致するもの）から、機械学習ベースの分類モデルまで様々です。 ACHE...

dga_predict

LSTMを使用したドメイン生成アルゴリズムの予測 このリポジトリには、ドメインをDGAまたは良性として分類するための非常にシンプルなコードが含まれています。このコードは、私たちのarxiv論文（https://arxiv.org/abs/1611.00791）での結果を示しています。違いの1つはデータセットです。論文とこのリポジトリの両方が良性としてAlexaトップ100万を使用していますが、このリポジトリは簡素化のために独自のドメインを生成します。 また、論文からLSTMとbigram分類器のみを実装しています。これらは2つの最良の分類器であり、Kerasで実装するのが簡単です。...

WAF-A-MoLE

WAF-A-MoLE MLベースのWebアプリケーションファイアウォール（WAF）向けの、AFLに触発され、Andreas ZellerらのFuzzingBookを基にした ガイド付きミューテーションベースのファザー です。 SQLインジェクションクエリを入力として与えると、ターゲットのWAFをバイパスできる 意味論的に不変な クエリを生成しようとします。WAF-A-MoLEに解空間を探索させることで、ターゲットの分類器がカバーしていない危険な「盲点」を見つけ、製品の堅牢性を評価するためにこのツールを使用できます。 アーキテクチャ...

spamscanner

A spam filter for Node.js, the command line and mail servers. It catches spam, phishing, scams and malware in any language, explains every decision, and can ask a language model about close calls. spamscanner.net · Getting started · Documentation Features A classifier that reads every language...

bordair-detector

Bordair Detector LLM入力に対するプロンプトインジェクションおよびジェイルブレイク試行を検出する2段階検出器です。正規表現ゲートがトラフィックの大半をモデルに触れることなく処理し、曖昧なものだけがONNXで動作する量子化DeBERTa-v3分類器に渡されます。同じエンジンが画像、文書、音声入力をカバーするため、どのチャネルからインジェクションが到着しても捕捉されます。 Bordair...

MADLIRA

MADLIRA Android向け学習と情報検索を用いたマルウェア検出 概要 MADLIRAはAndroidマルウェア検出のためのツールです。TFIDFコンポーネントとSVM学習コンポーネントの2つのコンポーネントで構成されています。一般的には、マルウェアと良性アプリのセットを入力として、悪意のある振る舞いを抽出（TFIDFコンポーネント）するか、トレーニングモデル（SVM分類器）を計算します。その後、この知識を用いてAndroidアプリケーション内の悪意のある振る舞いを検出します。 インストール ファイルMADLIRA.7zをダウンロードし、解凍してください。 インストールされるデータ...

SANS_THIR16

SANSTHIR16 SANS 格安でのハンティング DGA 分類器 RandomForest は、voweltoconsonantratio、longestconsonantsequence、辞書からのn-gram、alexaトップドメインなどのドメイン特徴量を使用します。 ROC Curve...

Pesidious

深層強化学習とGANを用いたマルウェア変異 このツールの目的は、人工知能を使ってマルウェア（PE32のみ）サンプルを変異させ、AIを搭載した分類器を回避しつつ、その機能を維持することです。過去には、研究者が強化学習または敵対的生成ネットワーク（GAN）を武器に選び、マルウェア実行ファイルの状態を変更してアンチウイルスエージェントを欺くという注目すべき研究が行われてきました。私たちのソリューションは、深層強化学習とGANを組み合わせて、以下に示すようにこれらのアプローチを単独で使用した場合の限界の一部を克服しています。 .png ツールの完全なドキュメントはこちらにあります。 インストール...

ThreatDetect

ThreatDetect ThreatDetect は、Streamlit ベースの内部脅威検出プロトタイプで、従業員の活動データを分析し、潜在的にリスクのある行動をフラグ付けします。トレーニング済みの XGBoost 分類器と Isolation Forest 異常検出器を組み合わせて使用し、組織レベルのリスクサマリーと説明可能な従業員レベルのインサイトを生成します。 デモ このアプリは Streamlit を使用してローカルで実行できます。以前、以下の URL でデプロイされたデモが公開されていました。 https://threatdetectcos720.streamlit.app...

Astra Linux – Vulnerability in Linux, Linux 5.10

In the Linux kernel, the following vulnerability has been resolved: net: sched: flower: Protect flwalk with rcu. The patch that refactored flwalk to use idrforeachentrycontinueul also removed the rcu protection for individual filters. This caused a use-after-free when the filter was deleted...

Adversarial Debiasing of Machine Learning Models for Enhanced Network Security against DDoS Attacks

Distributed Denial of Service attacks are a growing threat to network infrastructure, and new techniques, including the use of generative AI, make them harder to detect. Traditional detection systems, such as rule based firewalls, often fail to identify these evolving attack patterns. In this...

Template Ageing and Longitudinal Verification in Fixed-Text Keystroke Dynamics: A Subject-Disjoint Study across Eight Weeks

Behavioural biometric templates are widely believed to degrade as the gap between enrolment and verification grows, but few studies measure this template ageing effect directly under controlled conditions. We collected a longitudinal dataset of 40 fixed passwords, each typed four times per weekly...

A Gmail-Based Phishing Detection Prototype for Nigerian Fintech Emails Using Sender Checks and BiLSTM Classification

Phishing emails that impersonate Nigerian fintech providers can combine deceptive sender addresses, lookalike links, and locally familiar language. This study presents a Gmail browser extension that integrates sender-domain and URL checks with a bidirectional long short-term memory BiLSTM...

SUSE CVE-2026-90099

In the Linux kernel, the following vulnerability has been resolved: net/sched: account classifier filter allocations to memcg Allocations in the tc classifier change paths filter objects, per-CPU counters, and per-filter aux data use plain GFPKERNEL without GFPACCOUNT, allowing unprivileged users...

AZL-102564 CVE-2026-90248 affecting package kernel for versions less than 6.6.157.1-1

In the Linux kernel, the following vulnerability has been resolved: net/sched: clsapi: fix teardown of an adopted proto on insert-race loss In tcnewtfilter the create branch sets tpcreated = 1 before calling tcfchaintpinsertunique. When the caller loses the race another request inserted a proto a...

DEBIAN-CVE-2026-90099

In the Linux kernel, the following vulnerability has been resolved: net/sched: account classifier filter allocations to memcg Allocations in the tc classifier change paths filter objects, per-CPU counters, and per-filter aux data use plain GFPKERNEL without GFPACCOUNT, allowing unprivileged users...

PT-2026-94447

Name of the Vulnerable Software and Affected Versions Linux kernel affected versions not specified Description Unprivileged users can pin kernel memory outside of memory control group memcg charging. This occurs because allocations in the tc classifier change paths—including filter objects, per-C...

AURA: Adaptive Uncertainty-Routed Analysis for Email Threat Detection

Email spam and phishing attacks remain a critical security threat. Adversaries increasingly exploit large language models to craft contextually convincing malicious messages, and existing spam detection systems often struggle to keep pace. Generalization across diverse and evolving attack scenari...