sushi093/Wiredigg
GitHub: sushi093/Wiredigg
Wiredigg 是一款集成 AI 的 Python 网络分析工具，用于实时数据包捕获和威胁检测。
Stars: 2 | Forks: 0
[](https://github.com/yourusername/wirediggids)
[](https://www.python.org/)
Wirediggids 是一款先进的、由 AI 驱动的 Python 工具，用于实时网络数据包捕获、深度协议分析、异常检测和威胁情报。
专为网络管理员、安全专家和 IT 爱好者设计，Wiredigg 将尖端的机器学习与现代化的用户界面相结合，提供可操作的洞察和无与伦比的网络可见性。
## **主要功能**
### **AI 与机器学习集成**
- **Ollama 支持**：利用先进的 AI（通过 Ollama 使用 GPT-120B Cloud，这是我首选的模型，其他模型也表现优异）来验证机器学习检测到的异常并减少误报。
- **增量式机器学习训练**：通过用户反馈持续提升异常检测的准确性。
- **威胁分类**：基于严重性和类型自动对威胁进行分类。
- **误报管理**：标记误报并重新训练机器学习模型以优化检测。
### **实时网络分析**
- **数据包捕获**：实时监控和过滤网络流量。
- **协议分析**：详细分解协议（TCP、UDP、ICMP、HTTP 等）。
- **高级过滤**：按协议、IP、端口等过滤流量。
- **混杂模式**：启用或禁用用于数据包捕获的混杂模式。
### **IoT 和云分析**
- **设备识别**：检测并分类网络上的 IoT 设备。
- **风险评估**：基于行为和流量模式评估 IoT 设备的安全风险。
- **云协议分析**：分析云服务的流量模式。
### **安全仪表板**
- **威胁情报**：内置恶意 IP、域名和模式数据库。
- **交互式表格**：用于数据包和威胁的可排序、可过滤表格。
- **可视化**：协议统计、网络流和威胁分析的图表。
### **自定义数据包发送**
- **简单数据包测试**：发送用户定义的数据包以测试网络连接性。
- **可定制参数**：指定目标 IP、协议、端口和数据。
### **报告与导出**
- **多格式报告**：以 HTML、JSON 或文本格式导出详细的威胁报告。
- **可定制内容**：在报告中包含数据包详情、威胁类型和严重性。
### **现代化用户界面**
- **深色模式**：采用北欧深色主题的美观改进。
- **工具提示**：提供上下文工具提示以增强易用性。
- **自动滚动**：在实时数据包捕获中自动滚动查看。
## **系统要求**
- Python 3.7+
- 需要的 Python 包：
- `tkinter`
- `numpy`
- `matplotlib`
- `networkx`
- `scikit-learn`
- `netifaces`
- `pandas`
- `requests`
## **安装说明**
1. 克隆代码仓库：
git clone https://github.com/Zrufy/wiredigg.git
cd wiredigg
2. 安装所需包：
pip install -r requirements.txt
3. 运行应用程序：
python wiredigg.py
## **使用指南**
### **捕获网络流量**
1. 从下拉列表中选择一个网络接口。
2. 点击 **"开始捕获"** 以开始监控网络流量。
3. 使用过滤器专注于特定的协议、IP 或端口。
4. 完成后点击 **"停止捕获"**。
### **分析威胁**
1. 导航到 **"安全分析"** 选项卡。
2. 点击 **"分析威胁"** 以扫描捕获的数据包，查找潜在的安全问题。
3. 双击检测到的威胁以获取详细信息。
4. 查看威胁详情、载荷分析和安全建议。
### **使用机器学习检测**
1. 点击 **"机器学习检测"** 以使用机器学习模型分析流量。
2. 标记误报以提高模型的准确性。
3. 使用批量操作一次处理多个检测结果。
### **处理 IoT 设备**
1. 导航到 **"IoT/云"** 选项卡。
2. 点击 **"识别 IoT 设备"** 以检测并分类网络设备。
3. 查看每个设备的详细信息并评估潜在风险。
### **生成流量预测**
1. 导航到 **"预测分析"** 选项卡。
2. 点击 **"生成预测"** 以查看流量预测。
3. 监控潜在的流量异常和趋势。
### **自定义数据包发送**
1. 使用 **"发送简单数据包"** 功能来测试网络连接和响应。
2. 输入目标 IP、协议（TCP/UDP）、端口和数据。
3. 点击 **"发送"** 以传输数据包。
4. 查看响应数据（如果可用）。
## **架构**
Wiredigg 基于多线程架构构建，以确保在处理密集型数据包捕获和分析时拥有响应灵敏的用户界面：
* **主线程**：负责 UI 管理和用户交互。
* **捕获线程**：负责数据包嗅探和初步处理。
* **分析线程**：负责安全分析和机器学习检测。
* **后台训练**：负责机器学习模型的持续改进。
## **致谢**
* **Tkinter**：UI 框架。
* **Matplotlib**：数据可视化。
* **NetworkX**：网络图分析。
* **Scikit-learn**：机器学习能力。
* **Netifaces**：网络接口检测。
* **Requests**：HTTP 通信。
标签：AI风险缓解, AI驱动, Apex, DInvoke, Gobuster, IoT设备, 云协议分析, 人工智能, 协议分析, 威胁分类, 威胁情报, 威胁识别, 安全仪表板, 开发者工具, 异常检测, 机器学习, 权限提升, 深度学习, 物联网安全, 用户模式Hook绕过, 用户界面, 监控软件, 系统分析, 网络分析, 网络嗅探, 网络安全, 设备识别, 误报管理, 逆向工具, 隐私保护