데모

traffic capture부터 ARI prefilter classification, domain risk 평가까지 이어지는 전체 흐름을 보여줍니다.

시연 시나리오

1. Training pipeline

# 대상 URL 목록으로 traffic capture → train → model export
uv run --project scripts python3 scripts/main.py all \
  --target-flows 300 --max-visits 50

• Playwright stealth Chromium이 각 URL을 방문하며 pcap 수집
• site별 target flow 수에 도달할 때까지 자동 반복 방문
• inverse-frequency sample weight로 class imbalance 자동 보정
• 학습된 XGBoost model을 native JSON으로 export해 Rust runtime에 적용

2. Live monitoring

sudo ./target/release/capstone serve

dashboard에서 확인할 수 있는 항목:

• Prefilter panel: 분류된 flow 수 (malicious / unknown / classified 비율)
• Alerts: ARI classification type ("ARI: malicious", "ARI: low conf")과 confidence
• Domain list: prefilter signal로 상승한 risk score

3. Traffic generation (demo용)

cd utils/traffic_capture
uv run python3 gen_traffic.py --loops 3 --dwell 15

page_list.txt의 URL을 반복 방문해 prefilter가 분류할 traffic을 생성합니다.