hassanrana0/AI_based_IDS

GitHub: hassanrana0/AI_based_IDS

基于三层集成机器学习模型的实时无线入侵检测系统,结合规则引擎检测多种网络泛洪攻击与ARP欺骗,并提供Flask可视化仪表板。

Stars: 0 | Forks: 0

基于 AI 的无线入侵检测系统,通过结合 Random Forest、Isolation Forest 和滑动窗口规则引擎的 3 层集成模型,实时检测来自 Kali Linux 的真实网络攻击。内置实时 Flask 仪表板,可显示流量异常图表、攻击分类和置信度分数。可检测 SYN Flood、UDP Flood、ICMP Flood 和 ARP Spoofing,模型准确率达 96.4%,检测延迟低于 3 秒。 启动服务器 : python app.py --interface "VirtualBox Host-Only Ethernet Adapter" 攻击 sudo hping3 -S --flood -V -p 80 192.168.56.1 sudo hping3 --udp --flood -p 53 192.168.56.1 sudo hping3 --icmp --flood 192.168.56.1 echo 1 | sudo tee /proc/sys/net/ipv4/ip_forward sudo arpspoof -i eth0 -t 192.168.56.1 192.168.56.1 sudo hping3 --rand-source --flood -p 443 192.168.56.1
标签:Apex, DDoS检测, Flask, 入侵检测系统, 安全数据湖, 异常检测, 机器学习, 网络安全, 逆向工具, 隐私保护