rootmak404/ns-xids

# NS-XIDS — 神经符号可解释入侵检测系统 ## 项目结构 ``` ns-xids/ ├── backend/ │ ├── api/ REST endpoints (FastAPI) │ ├── monitoring/ traffic capture agent │ ├── feature_extraction/ live traffic -> 35-feature vector │ ├── ml/ predict.py (LOCKED, working) │ ├── symbolic_reasoning/ rule engine │ ├── explainability/ explanation formatting │ ├── risk_scoring/ risk score calculation │ └── database/ SQLAlchemy models, SQLite ├── docs Documentation ├── frontend/ dashboard (Overview, Live, Alerts, Explainability, Analytics) ├── models/ LOCKED model artifacts (see models/README.md) ├── scripts/ Demo traffic generation script ├── training/ train_ann_model.ipynb (offline training path) ├── rules/ YAML/JSON symbolic rule definitions ├── tests/ unit tests per module ``` 每个子文件夹都有自己的 `README.md`，用于说明其包含的内容及当前状态。 ## 快速开始 **请参阅 [SETUP.md](SETUP.md) 获取完整的设置说明和故障排除指南**，该指南涵盖了在运行过程中遇到的所有实际问题（Python 版本冲突、目录/导入错误、端口冲突等）。 简短版本，在完成一次性设置后（参见 SETUP.md 第 2 节）： ``` ./run_backend.sh # terminal 1 -- works from any directory ./run_frontend.sh # terminal 2 ``` 打开 **http://localhost:5173**。 对于实时数据包捕获：`./run_backend.sh --live`（需要 sudo）。 **使用演示数据填充 dashboard** — 可以通过 dashboard 的测试数据页面（上传 CSV，或点击“Generate Test Traffic”一键生成覆盖所有严重级别的数据），或者从命令行执行： ``` python scripts/generate_demo_traffic.py # 或者，更可靠地，如果您有 Combined_Dataset.csv，请使用真实数据集行： python scripts/generate_demo_traffic.py --from-dataset path/to/Combined_Dataset.csv ``` **将真实捕获/重放的流量通过 pipeline 传输**（在 backend 运行的情况下）： ``` python scripts/replay_pcap_to_api.py path/to/capture.pcap ``` **真正尝试实时捕获**（需要 sudo/admin 权限 + 真实的网络接口）： ``` ./run_backend.sh --live ``` 然后在 dashboard 中：Live Monitoring → 模式选择 "Live capture" → 输入你的网络接口名称（macOS 上为 `en0`，大多数 Linux 上为 `eth0`）→ Start。 ## 项目架构  ## Dashboard 

标签：AV绕过, Caido项目解析, FastAPI, Homebrew安装, 入侵检测系统, 可解释AI, 安全数据湖, 神经符号AI, 网络安全, 网络流量分析, 逆向工具, 隐私保护