Outil autonome conçu pour détecter des fichiers PE (Portable Executable) anormaux parmi les données NTFSInfo collectées par DFIR-ORC sur des systèmes Microsoft Windows. Il classe les fichiers PE du plus au moins anormal, permettant aux analystes en réponse aux incidents de prioriser leurs investigations. L'outil utilise des algorithmes de détection d'anomalies traditionnels et basés sur des graphes, sans analyser en profondeur le contenu binaire des fichiers. Il s'intègre facilement aux workflows de forensic et génère des rapports visuels et des fichiers CSV pour une analyse approfondie.

Ce projet surveille et vérifie l'archivage des données dans les bases de données historiques. Il détecte les écarts, les anomalies ou les incohérences entre les données archivées et les données attendues. Il génère des rapports détaillés et envoie des alertes en cas de problème, permettant aux administrateurs de garantir l'intégrité et la fiabilité des données archivées.

Outil permettant de surveiller en continu l'état des infrastructures informatiques. Il vérifie la disponibilité des serveurs, des services web, des bases de données et des réseaux via des tests automatisés. Les résultats sont consolidés pour fournir une vue d'ensemble de l'état du système, facilitant ainsi la maintenance proactive et la détection rapide des anomalies.

Ce projet automatise le contrôle qualité des données atmosphériques de niveau L2A pour générer des données L2B exploitables. Il applique des filtres empiriques basés sur l'analyse des hauteurs de couche limite (MLH) dérivées de STRATfinder, en tenant compte des seuils temporels relatifs au lever et coucher du soleil. Les algorithmes détectent et corrigent les anomalies comme les couches résiduelles nocturnes ou les valeurs bloquées, garantissant des données fiables pour l'analyse climatologique et la recherche environnementale.