Slips v1.1.10

Índice

• Estructura
• Uso
• Evaluaciones

• Interfaz de Usuario

  • Interfaz Web
  • Kalipso (CLI)

• Requisitos

• Configuración

• Licencia

Estructura

Dentro de la arquitectura existente de SLIPS (v1.1.10) se incluye la implementación del módulo slipswinae. La estructura de carpetas y archivos es la siguiente:

text modules/ └─ slipswinae/ ├─ slipswinae.py ├─ zeekflowae.py ├─ ae.keras ├─ scaler.joblib ├─ mbkmeans.joblib ├─ isof_latent.joblib ├─ lof_latent.joblib ├─ hst.joblib ├─ feature_info.json ├─ test/ │ ├─ slipswinae_evaluator.py │ ├─ flowmldetection_evaluator.py │ ├─ thursday_conn_labeled.log │ ├─ friday_conn_labeled.log │ └─ results/ │ ├─ friday_data/ │ ├─ ae_if/ │ │ ├─ ae_if_metrics.csv │ │ ├─ AE+IF_minmax_weighted_a=0.9_roc.png │ │ ├─ AE+IF_minmax_weighted_a=0.9_pr.png │ │ └─ … (otras curvas y métricas) │ ├─ ae_hst/ │ │ ├─ ae_hst_metrics.csv │ │ ├─ AE+HST_ecdf_weighted_a=0.9_roc.png │ │ ├─ AE+HST_ecdf_weighted_a=0.9_pr.png │ │ └─ … (otras curvas y métricas) │ └─ … (otros experimentos)

Todo lo que no pertenezca a esta estructura corresponde a la arquitectura general de *SLIPS** y no forma parte de esta implementación.*

Uso

A continuación se muestran los pasos necesarios para reproducir la implementación, ya sea entrenando de nuevo los modelos o efectuando una prueba de detección.

1. Entrenamiento

Advertencia: El archivo original de entrenamiento benign_merged.pcap no se versiona debido a que pesa mas de 15Gb.

SLIPS utiliza aprendizaje no supervisado, por lo que el entrenamiento solo requiere ejemplos de tráfico benigno. El archivo config/slips.yaml ya define por defecto la etiqueta label: normal, así que no es necesario ajustarla.

1. Abre config/slips.yaml y ajusta el parámetro mode del módulo flowmldetection a train:

yaml flowmldetection: mode: train 2. Ejecuta el entrenamiento utilizando el archivo pcap beningno:

bash ./slips.py -c config/slips.yaml \ -f modules/slipswinae/training/datasets/benign_training_dataset.pcap \ -v 0 -e 1 3. (Opcional) En un entorno controlado con tráfico benigno, entrena desde la interfaz de red (por ejemplo eth0):

bash ./slips.py -c config/slips.yaml -i eth0

Advertencia: Cada reentrenamiento sobrescribirá los modelos existentes con los nuevos generados.

2. Prueba de detección

1. En config/slips.yaml, cambia mode a test:

yaml flowmldetection: mode: test 2. Ejecuta la detección sobre un pcap con tráfico malicioso:

bash ./slips.py -c config/slips.yaml \ -f dataset/test7-malicious.pcap \ -v 0 -e 1

La salida se almacena en la carpeta output/test7-malicious.pcap_2025-06-10_21-55-22 en concreto en el archivo alerts.json

Con la configuración por defecto, los módulos flowmldetection y slipswinae están activos, por lo que verás las evidencias detectadas en la salida.

Alternar entre modos

Modifica únicamente el valor de mode en la sección flowmldetection de config/slips.yaml:

yaml flowmldetection: mode: train # o 'test'

Evaluaciones

Para reproducir las evaluaciones automatizadas incluidas en este repositorio, ejecuta los siguientes scripts:

• Implementación SlipsWInAE (solo combinación ganadora):

bash python3 modules/slipswinae/test/slipswinae_evaluator.py * Implementación original FlowMLDetection (módulo de SLIPS):

bash python3 modules/slipswinae/test/flowmldetection_evaluator.py

Interfaz de Usuario

Interfaz Web

Por defecto SLIPS ofrece dos posibles interfaces de usuario además de la salida general por consola:

bash ./webinterface.sh

Abre tu navegador en http://localhost:55000.

Para más información, consulta la documentación oficial.

Kalipso (CLI)

bash ./kalipso.sh

Para más detalles, revisa la documentación de Kalipso.

Requisitos

• Python 3.10.12
• RAM: mínimo 4 GB

Además de los requisitos de hardware es necesario instalar los requisitos de software, para ello:

Ubicándonos en la carpeta raíz del proyecto

• Crear entorno virtual bash python3 -m venv slips_env

• Activar directorio virtual bash source slips_env/bin/activate

• Instalar requisitos bash pip install -r install/requirements.txt

Configuración

SLIPS utiliza el archivo config/slips.yaml para ajustar todos los parámetros. En concreto esta implementación modifica:

| Parámetro | Descripción | | -------------------- | ------------------------------------------------------ | | time_window_width | Ancho de la ventana temporal (60 s). | | label | Normal por defecto, para entrenamiento no supervisado con datos benignos | | mode | train o test para alternar entre modos. | | disabled | Para desactivar todos los módulos excepto flowmldetection y slipswinae |

Licencia

Distribuido bajo la GNU GPL v3.0