h1d3r / fshell Goto Github PK

该项目从web服务器日志、统计学分析、文件属性分析、静态特征检测以及文件fuzz hash的检测这5个维度对webshell进行了基于支持向量机（SVM）和决策树（DT）的监督学习的机器学习算法，从而分类出支持文件和恶意webshell。 通过在业务web server上安装agent，将采集到的数据定时/实时传输到Server端,经过对采集的元数据加工处理，形成机器学习算法可以处理的特征向量化数据。在机器学习模块将采用SVM和决策树进行机器学习，形成针对webshell的二分类，达到检测效果。

fshell系统逻辑架构

fshell 模块功能说明

• fs_agent模块：fshell的agent模块，主要实现：（1）对web_log, statistics, file_attribute, danger_func, fuzz_hash元数据的采集，并发送到fs_server；（2）对server下发到agent配置信息进行更新；（3）读取server的文件读取指令，并将文件内容回传给server。

• fs_server模块：fshell在Server端的数据通信模块，该模块采用TCP socket 长连接和短连接的方式，监听3个端口。与agent模块实现：元数据data_srv接收入库，配置更新下发，agent上文件读取回传三个功能。

• fs_stand_srv模块：fshell的标准化srv模块，主要实现对已经入库的元数据进行特征向量化处理，使机器学习算法能够直接使用。

• fs_kernel模块：fshell的机器学习算法的核心模块。该模块采用支持向量机（SVM）和决策树（DT）等算法对特征向量进行监督学习，从而实现webshell与正常文件的分类。

• fs_manager模块：fshell的主控制模块。该模块实现：对agent配置管理；用户UI的管理；样本特征库的管理；机器学习检测模块相关配置以及结果的管理；以及其他预警通知、文件传输等的管理。

• 基于机器学习的分布式Webshell检测系统-绪论篇

• 基于机器学习的分布式webshell检测系统-特征工程（1）