Sahilsharma-ss/NetSentinel

GitHub: Sahilsharma-ss/NetSentinel

NetSentinel 是一个结合数据包检查、规则检测和机器学习异常分析的实时网络入侵检测平台,用于监控网络流量、检测多类网络攻击并生成可操作的安全警报。

Stars: 0 | Forks: 0

# NetSentinel ## 实时网络威胁检测与分析平台 NetSentinel 是一个专注于网络安全的网络监控和入侵检测平台,旨在捕获实时网络流量、分析数据包行为、检测可疑活动,并实时生成可操作的安全警报。 该项目结合了数据包检查、攻击检测、威胁评分和安全分析,将其整合为一个统一的解决方案,旨在模拟现代入侵检测系统 (IDS) 和安全运营中心 (SOC) 平台的核心功能。 ## 功能 ### 实时数据包监控 * 使用 Scapy 捕获实时网络流量 * 监控源 IP 和目标 IP * 追踪端口、协议、数据包大小和时间戳 ### 威胁检测引擎 检测多种攻击模式,包括: * 端口扫描 * SSH 暴力破解尝试 * 分布式拒绝服务攻击 (DDoS) 活动 * DNS 隧道 * 信标通信 / 命令与控制 (Command-and-Control) 通信 * 可疑流量模式 ### 警报管理 * 实时警报生成 * 严重性分类 * 警报日志记录和存储 * 安全事件追踪 ### 威胁情报集成 * 集成 AbuseIPDB * 集成 AlienVault OTX * 恶意 IP 信誉检查 ### 安全分析 * 流量统计 * 攻击时间线 * 威胁评分 * 安全事件可视化 ### 基于机器学习的检测 * Isolation Forest 异常检测 * 行为分析 * 检测未知威胁 ## 项目架构 ## 项目架构 ``` NetSentinel │ ├── backend │ │ │ ├── main.py │ │ │ ├── config │ │ └── setting.py │ │ │ ├── capture │ │ ├── __init__.py │ │ └── sniffer.py │ │ │ ├── detector │ │ ├── __init__.py │ │ ├── port_scan.py │ │ ├── brute_force.py │ │ ├── ddos.py │ │ ├── dns_tunnel.py │ │ └── beaconing.py │ │ │ ├── database │ │ ├── __init__.py │ │ ├── db.py │ │ ├── packet_store.py │ │ └── alert_store.py │ │ │ ├── services │ │ ├── __init__.py │ │ ├── alert_manager.py │ │ ├── threat_score.py │ │ └── threat_intel.py │ │ │ ├── models │ │ ├── __init__.py │ │ ├── packet.py │ │ └── alert.py │ │ │ ├── utils │ │ ├── logger.py │ │ ├── helpers.py │ │ └── time_window.py │ │ │ └── api │ ├── __init__.py │ └── routes.py │ ├── frontend │ ├── src │ ├── public │ └── package.json │ ├── pcaps │ ├── attack_samples │ └── test_traffic │ ├── logs │ ├── alerts.log │ └── system.log │ ├── docs │ ├── architecture.md │ └── setup.md │ ├── requirements.txt ├── README.md ├── Dockerfile └── docker-compose.yml ``` ## 技术栈 ### 后端 * Python * FastAPI * Scapy * PyShark ### 数据库 * SQLite * PostgreSQL ### 机器学习 * Scikit-Learn * Pandas * NumPy ### 前端 * React * Chart.js ### 部署 * Docker * Linux (Kali/Ubuntu) ## 应用场景 * 网络安全监控 * 入侵检测 * 威胁狩猎 * 安全研究 * 网络安全教育 * 安全运营中心 (SOC) 模拟 ## 检测工作流示例 1. 攻击者执行网络侦察。 2. NetSentinel 检测到异常的 SYN 活动。 3. 端口扫描检测器触发警报。 4. 警报管理器计算风险评分。 5. 事件被存储到数据库中。 6. 仪表板显示该事件。 7. 安全分析师对威胁进行调查。 ## 未来增强功能 * 自动化 IP 封锁 * 威胁关联引擎 * 高级行为分析 * 恶意软件流量检测 * SIEM 集成 * 多主机监控 * 实时威胁情报源 * AI 驱动的安全建议 ## 免责声明 NetSentinel 仅用于教育、研究和防御性安全目的。在监控网络流量时,用户有责任确保遵守适用的法律、法规和组织政策。
标签:IP 地址批量处理, Scapy, 入侵检测系统, 威胁情报, 安全告警, 安全数据湖, 对抗机器学习, 开发者工具, 插件系统, 流量监控, 测试用例, 网络安全, 请求拦截, 逆向工具, 隐私保护