AshwinNHacker/nyx-zeroday

# Nyx — 零日漏洞检测与漏洞研究平台 Nyx 能够在攻击者之前发现你自己代码中的漏洞（持续 fuzzing）， 捕获没有现有特征的攻击（行为异常检测）， 安全地引爆可疑文件以观察其实际行为（隔离沙箱），并且——最重要的是—— 在确认发现问题的瞬间，自动将虚拟补丁推送到你的防火墙。 这是防御性安全研究基础设施：对你的代码进行 fuzzing 以及对可疑文件进行沙箱隔离是标准的行业常规实践 （这与 Google 的 OSS-Fuzz 以及每个企业级恶意软件沙箱使用的模式相同）， 而不是漏洞利用开发。 与 [Argus](../argus-soc)（检测）和 [Aegis](../aegis-firewall)（执行）天然搭配使用——Nyx 负责在第一时间发现零日漏洞， 并完成闭环将防御策略推送到防火墙。 ## 为什么选择这套技术栈 每一项选择背后的完整理由请参见 [docs/ARCHITECTURE.md](docs/ARCHITECTURE.md)： ``` Fuzz target + harness C, libFuzzer/ASan — finds real memory-safety bugs │ Fuzz orchestrator Go — dedups crashes, tracks findings │ Sandbox agent Rust — safely detonates suspicious samples Behavior monitor C, eBPF — traces syscalls the sample can't see or evade │ Anomaly detector Python, Isolation Forest — flags novel behavior, no signature needed │ Vulnerability intel Python + Neo4j — "what are we exposed to, right now" │ Mitigation orchestrator Go — pushes a virtual patch the moment a finding is confirmed │ Dashboard React + TypeScript — one console for all of it ``` 由以下工具封装：Docker、Kubernetes（为沙箱工作负载配置 default-deny egress 和资源配额）、提供真正内核级隔离的 Firecracker microVMs、Terraform 以及 GitHub Actions CI——它实际上会构建 fuzzing harness，并在每次推送时确认它能发现真实的崩溃。 ## 仓库结构 ``` services/ fuzz-target-sample-c/ Toy vulnerable target + libFuzzer harness (teaching example) fuzz-orchestrator-go/ Schedules fuzzing, dedups and tracks crashes sandbox-agent-rust/ Detonates samples, reports behavior behavior-monitor-c/ eBPF syscall tracing for the sandbox anomaly-detector-python/ Unsupervised behavioral anomaly scoring vuln-intel-service-python/ CVE ingestion + asset exposure graph queries mitigation-orchestrator-go/ Pushes virtual patches to the enforcement layer dashboard/ Researcher console (React + TypeScript) db/ postgres/ Campaign/finding metadata neo4j/ Asset/CVE risk graph schema opensearch/ Detonation history search index infra/ firecracker/ MicroVM sandbox isolation notes k8s/ Namespace, resource quota, default-deny network policy terraform/ AWS sandbox cluster + GCP vuln-intel infra stubs docs/ ARCHITECTURE.md Full design rationale ``` ## 本地运行 ``` docker compose up --build ``` 直接尝试异常检测器： ``` curl -X POST http://localhost:8700/analyze \ -H "Content-Type: application/json" \ -d '{"syscall_rate":400,"distinct_child_processes":12,"outbound_connection_attempts":5,"file_writes":80,"avg_file_write_size_kb":900,"process_lifetime_seconds":0.2}' ``` 观察 fuzzer 发现真实的崩溃： ``` cd services/fuzz-target-sample-c make run ``` Dashboard：`http://localhost:3100`。Neo4j 浏览器：`http://localhost:7474`。 ## 状态 脚手架：Python 异常检测器和 React dashboard 已经构建并在本地验证通过（模型能够训练，能正确区分正常与异常行为；dashboard 通过了其单元测试并为生产环境进行了干净的构建）。C 语言的 fuzzing harness 和 target 是一套真实可用的 libFuzzer 配置——请在安装了 clang 的机器上通过 `make run` 验证它是否能发现崩溃。Go、Rust 和 eBPF probe 是完整且符合语言规范的入门级实现，并未在此环境中验证构建；在依赖它们之前，请使用你本地的工具链进行测试。 ## 许可证 MIT — 详见 [LICENSE](LICENSE)。

标签：Docker镜像, Go, Python, Ruby工具, Rust, 可视化界面, 子域名突变, 异常检测, 无后门, 日志审计, 沙箱逃逸, 测试用例, 网络流量审计, 自动修复, 请求拦截, 逆向工具