CIC-YNU-IoTMal: Multilayer Dataset for Static & Dynamic Analysis of IoT Malware Behaviour

CIC-YNU-IoTMal: Multilayer Dataset for Static & Dynamic Analysis of IoT Malware Behaviour

par Ogobuchi Daniel

Sciences appliquées & ingénierie Informatique & Cybersécurité URSécurité informatiqueURJVirus informatiques, chevaux de Troie et vers
🎙 Ogobuchi Daniel 👥 1K 📅 4 mai 2026 ⏱ 38 min 👁 250 📄 revue d'actualité 🧭 2026-08-15
Disponible en : Français (actuel) English

Mots-clés

IoTmalwaredatasetanalyse statiqueanalyse dynamique

Résumé

Cette présentation, donnée par Ogobuchi Daniel dans le cadre du Cyber Pulse de l’Institut canadien de cybersécurité (CIC), introduit le jeu de données CIC-YNU-IoTMal 2026, conçu pour l’analyse statique et dynamique de malwares IoT. Le contexte est marqué par une croissance massive des objets connectés (21,31 milliards en 2025) et une augmentation des attaques, passant de 33 millions en 2018 à 129 millions en 2023. Les défis incluent l’hétérogénéité des architectures (ARM, MIPS, MIPSEL, x86), les protocoles variés, et la rareté des jeux de données publics. Le jeu de données proposé combine des traces réseau, des appels système et des rapports d’activité, collectés via un environnement automatisé avec QEMU et OpenWRT. Il couvre huit familles de malwares et propose une approche innovante pour générer des échantillons bénins à l’aide de ChatGPT. Les auteurs ont validé le jeu de données avec huit algorithmes de détection, montrant des performances variables selon les architectures. Le jeu de données est disponible publiquement, avec les codes et instructions pour reproduire l’environnement. Les applications incluent l’analyse de généralisation inter-architectures et la détection de menaces zero-day.

179 mots

Évaluation critique

Valeur des informations & solidité de l’argumentation

La valeur des informations est élevée : le jeu de données répond à un besoin réel de la communauté scientifique en combinant analyses statique et dynamique sur plusieurs architectures, ce qui est rare. L’argumentation est solide, appuyée par des statistiques sur la croissance des attaques et une méthodologie détaillée. L’orateur explique clairement les limitations des approches existantes et comment son jeu de données les surmonte. La validation par plusieurs algorithmes renforce la crédibilité. Cependant, certains points restent à approfondir, comme la génération de bénins par ChatGPT, qui pourrait soulever des questions sur leur représentativité.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est bonne : le projet est collaboratif entre CIC, l’Université Yokohama National et NICT, et a donné lieu à une publication dans Information Systems. Les sources citées sont institutionnelles (CIC, UNB) et le jeu de données est public. Le titre est en adéquation avec le contenu. La présentation est structurée et méthodique. Aucun commentaire n’a été fourni, donc aucune analyse des tendances du public n’est possible.

178 mots

Adéquation titre / contenu

Le titre décrit précisément le contenu : présentation d'un jeu de données multicouche pour l'analyse statique et dynamique de malwares IoT.

Qualité & fiabilité

8/10

Présentation d'un jeu de données scientifique publié, avec méthodologie détaillée et validation par algorithmes de détection. Les sources sont institutionnelles et le projet est collaboratif.

Moments clés

Repères établis par PSI à partir de la transcription : le créateur n'a pas défini de chapitres.

Sources citées

Sources concordantes

  • Site du CIC — Le CIC est reconnu pour ses jeux de données en cybersécurité, ce qui renforce la crédibilité du projet.

Apport & nouveautés

L’apport principal est la création d’un jeu de données multicouche combinant analyses statique et dynamique sur quatre architectures matérielles, avec une approche automatisée et reproductible. L’utilisation de ChatGPT pour générer des échantillons bénins est une innovation notable. Le jeu de données est public et vise à combler le manque de données pour la recherche en sécurité IoT.

Pour aller plus loin :

  • Mirai (malware) — Botnet IoT majeur, mentionné dans la vidéo.
  • QEMU — Émulateur utilisé pour exécuter les malwares dans un environnement isolé.
  • OpenWrt — Système d’exploitation pour routeurs, utilisé comme système invité pour simuler des dispositifs IoT.
  • Analyse statique de code — Méthode d’analyse sans exécution, pertinente pour comprendre les limites mentionnées.
  • Analyse dynamique — Méthode d’analyse par exécution, complémentaire à l’analyse statique.

125 mots

Profil radar

Le profil radar montre un niveau élevé en quantité et qualité d'information, avec une fiabilité globale solide. Le niveau technique est bon mais accessible, indiquant une présentation adaptée à un public averti sans être trop spécialisé.

Fiabilité 8/10