ThemeHackers/NetHawk

# 🦅 NetHawk - AI驱动的网络安全与入侵检测系统 NetHawk 是一款先进的**AI-IPS (入侵防御系统)**，专为实时网络流量分析、威胁评分和自动防御而设计。它采用双引擎架构，将深度包检测 (DPI) 与**AnomalyGuard**自学习模型相结合，以检测已知漏洞和零日威胁。 ## 🌟 核心特性 - **🛡️ 多向量威胁分析**：实时检测超过24类攻击，包括DoS、DDoS、端口扫描、SQL注入、僵尸网络等。 - **🧠 AnomalyGuard (零日威胁检测器)**：一个专用的神经网络，学习您网络的正常行为，并标记传统签名可能遗漏的未知异常。 - **🤖 AI安全顾问**：集成**TinyLlama-1.1B**模型，在您的仪表板上直接提供人类可读的事件分析和缓解策略。 - **🌐 双栈支持**：全面支持**IPv4**和**IPv6**流量分析。 - **💻 动态Web仪表板**：一个高级的、玻璃态设计的Web界面（React风格），用于远程监控和深度威胁调查。 - **📊 终端TUI**：一个美观、实时的终端用户界面，由`Rich`驱动，非常适合无图形界面服务器的监控。 - **⚡ 硬件加速**：自动检测并利用**NVIDIA CUDA**实现超快速的AI推理。 - **🔑 持久化配置**：通过`config.ini`无缝管理API令牌（HuggingFace）和系统设置。 ## 🚀 快速开始 ### 前置条件 - Windows 10/11 或 Linux - **Npcap** (Windows) 或 **Libpcap** (Linux) - Python 3.10+ - (可选) 拥有CUDA支持的NVIDIA GPU以获得更好性能 ### 安装说明 1. **克隆仓库：** git clone https://github.com/ThemeHackers/NetHawk.git cd NetHawk 2. **安装依赖：** pip install -r requirements.txt 3. **初始化配置：** 在根目录创建或编辑 `config.ini`： [Notifications] BOT_TOKEN = YOUR_DISCORD_BOT_TOKEN CHANNEL_ID = YOUR_DISCORD_CHANNEL_ID ALERT_COOLDOWN = 60 [Model] WEIGHT_PATH = model.onnx MODEL_PATH = model.onnx.prototxt HF_TOKEN = YOUR_HUGGINGFACE_TOKEN (Optional) [Performance] BATCH_SIZE = 32 THROTTLE_DELAY = 0.05 ## 🛠️ 使用方法 ### 运行 NetHawk 以管理员/Root权限运行主脚本： ``` # 自动检测最佳 interface 并开始 sniffing python nethawk.py # 指定 interface 和 BPF filter python nethawk.py --iface "Ethernet" --filter "tcp port 80" --verbose ``` ### 访问仪表板 启动后，系统将启动两个界面： 1. **终端UI**：在您的控制台中查看实时统计和数据包监控。 2. **Web仪表板**：在浏览器中打开 `http://127.0.0.1:8000` 以获得完整的视觉体验。 ## 🏷️ 威胁分类标签 NetHawk 将流量分为以下24个类别： 1. **正常** (干净流量) 2. **DoS / DDoS** (Hulk, GoldenEye, Slowloris 等) 3. **Web攻击** (SQL注入, XSS, 暴力破解) 4. **网络扫描** (端口扫描, 侦察) 5. **恶意软件活动** (僵尸网络, 后门, 蠕虫, Shellcode) 6. **漏洞利用与模糊测试** ## 🔒 安全与隐私 NetHawk专为安全专业人员和网络管理员设计。请始终确保您已获得明确许可，可在您选择的环境中监控网络流量。 ## 🤝 贡献 欢迎贡献！无论是改进AI模型、添加新的协议支持，还是增强仪表板UI，都欢迎提交Pull Request。 **作者：** [ThemeHackers](https://github.com/ThemeHackers) **许可证：** MIT License

标签：Botnet检测, CNCF毕业项目, CUDA支持, DDoS攻击, Discord集成, DoS攻击, IPv4, IPv6, Libpcap, Npcap, PowerShell, Python, Vectored Exception Handling, Web仪表板, 人工智能, 入侵检测系统, 入侵防御系统, 威胁分析, 威胁情报, 威胁猎捕, 安全数据湖, 安全评分, 开发者工具, 攻击路径, 数据统计, 无后门, 深度包检测, 用户模式Hook绕过, 硬件加速, 神经网络, 端口扫描, 终端用户界面, 网络安全, 网络安全分析, 自动化侦查工具, 自学习模型, 逆向工具, 隐私保护, 零日攻击