Skip to content
KitploitKITPLOIT
ToolsExploitsBlog
Log in
Einreichen
ToolsExploitsBlog
Einreichen

Hacking-, PenTest- und Cybersicherheits-Tools für Ihr Sicherheitsarsenal!

Kitploit ist ein Verzeichnis von Hacking-, Cybersicherheits- und Pentesting-Tools. Entdecken Sie die neuesten Projekt-Updates, um Schwachstellen zu finden, Systeme zu analysieren, Tests zu automatisieren und Ihre Sicherheit zu stärken.

FeedsKontaktDatenschutz© 2026 Kitploit

Tool-Verzeichnis

Kategorien

Alle Kategorien anzeigen
Loading categories
Tools/GitHubGitHub/aman-sharma-dev/netsentryx
DefensivwerkzeugePaket-Sniffing & AnalyseNetzwerksicherheitCloud-SicherheitBedrohungsanalyseEinbruchserkennungIncident ResponseAnomalieerkennungLog-Analyse
Teilen
GitHubaman-sharma-dev/netsentryx

netsentryx

Eine ereignisgesteuerte Netzwerküberwachungsplattform, die Live-Paketmitschnitt (Npcap), latenzarme Verkehrsanalyse und unüberwachte Bedrohungserkennung mithilfe eines PyTorch-Autoencoders durchführt, unterstützt durch eine asynchrone Mehrkanal-Alarm-Engine.

Repository anzeigenWebseite
66vor 3 MonatenNoch nicht geprüft
# NetSentryx PRO 🛡️

**KI-gesteuerte, hochperformante Echtzeit-Netzwerkbeobachtungs- und Bedrohungserkennungs-Engine**

[![FastAPI](https://img.shields.io/badge/FastAPI-005571?style=for-the-badge&logo=fastapi)](https://fastapi.tiangolo.com)
[![PyTorch](https://img.shields.io/badge/PyTorch-EE4C2C?style=for-the-badge&logo=pytorch&logoColor=white)](https://pytorch.org)
[![Python](https://img.shields.io/badge/Python-3776AB?style=for-the-badge&logo=python&logoColor=white)](https://python.org)
[![License: MIT](https://img.shields.io/badge/License-MIT-yellow.svg?style=for-the-badge)](https://opensource.org/licenses/MIT)
[![Build Status](https://img.shields.io/badge/Status-Production--Ready-brightgreen?style=for-the-badge)](#)

NetSentryx PRO ist eine Next-Generation, ereignisgesteuerte Netzwerküberwachungs- und Threat-Intelligence-Plattform. Durch die Kombination regelbasierter Signaturen mit einem PyTorch Deep Autoencoder bietet es Paket- und Netflow-Anomalieerkennung in unter 10 ms, automatisierte Multi-Channel-Benachrichtigungen (Slack, Discord, E-Mail) und ein interaktives Echtzeit-SOC-Dashboard.

---

## 🏗️ Systemarchitektur

Das folgende Flussdiagramm veranschaulicht die Datenerfassung, die Echtzeit-Deep-Learning-Inferenz, die Alarmierungspipeline und die WebSocket-Visualisierungsschicht:

```mermaid
flowchart TD
    subgraph Capture & Ingestion
        A[Network Interface / Packet Simulator] -->|Raw Traffic Events| B(Lightweight Event Bus)
        B -->|Packet Stream| C[Flow Aggregation Engine]
    end

    subgraph Deep Learning Inference
        C -->|Aggregated Telemetry Vectors| D[PyTorch TrafficAutoencoder]
        D -->|MSE Reconstruction Loss| E{Threshold Evaluation}
    end

    subgraph Alert Dispatch
        E -->|No Anomaly| F[Status: Optimal]
        E -->|Anomaly Detected| G[FastAPI BackgroundTasks]
        G -->|Save Event| H[(SQLite Datastore)]
        G -->|Broadcast WebSocket| I[HTML Live Dashboard]
        G -->|Dispatch Webhooks| J[Slack / Discord / Custom Webhook]
        G -->|Dispatch SMTP| K[Email Alerting]
    end

    style D fill:#EE4C2C,stroke:#fff,stroke-width:2px,color:#fff
    style I fill:#005571,stroke:#fff,stroke-width:2px,color:#fff
    style G fill:#00bf8f,stroke:#fff,stroke-width:2px,color:#fff
```

---

## 🚀 Hauptfunktionen

* ⚡ **Echtzeit-Traffic-Erfassung:** Aggregiert Paketrahmen on the fly mit minimaler Latenz zu umfangreichen Netflow-Zusammenfassungen.
* 🧠 **PyTorch Deep Autoencoder Anomalieerkennung:** Nutzt ein leichtgewichtiges PyTorch-Neuronales Netz (`TrafficAutoencoder`), um komplexe Zero-Day-Exploits, Scanning- oder DDoS-Angriffe basierend auf dem multivariaten Feature-Rekonstruktionsfehler zu erkennen.
* 📈 **Start ohne manuelles Training:** Bietet automatisiertes synthetisches Fitting und statistische Schwellenwertkalibrierung (`Mean + 3 * Std`) während des Serverstarts, wodurch es sofort einsatzbereit ist.
* ⏱️ **Inferenzlatenz unter 10 ms:** Optimierte Inferenzpipeline gewährleistet die Echtzeitbewertung von Paketflüssen mit hohem Durchsatz.
* 📣 **Multi-Channel-Alarmversand:** Sendet detaillierte Intrusionswarnungen asynchron an **Slack-Webhooks**, **Discord-Webhooks**, **benutzerdefinierte HTTP-APIs** und **SMTP-E-Mails** unter Verwendung von FastAPIs `BackgroundTasks`.
* 📊 **Interaktives SOC-Dashboard:** Elegantes Dark-Mode-Dashboard, betrieben mit Tailwind CSS, Chart.js und WebSockets zur Echtzeitvisualisierung von Durchsatzmetriken und Live-Bedrohungsfeeds.

---

## 📁 Projektstruktur

```bash
NetSentryx/
├── config/
│   ├── config.yaml          # System, dashboard, and alerting channel configurations
│   └── rules.yaml           # Threat detection thresholds and rule properties
├── src/
│   ├── alerts/
│   │   ├── ml_detection.py  # PyTorch TrafficAutoencoder & feature scaling
│   │   ├── manager.py       # Async alert dispatcher (Discord, Slack, Email)
│   │   └── detection.py     # Rule-based packet signature detection engine
│   ├── core/
│   │   ├── config_loader.py # Configuration loader utilities
│   │   ├── logger.py        # Database-integrated system logger
│   │   └── time_utils.py    # Timezone-aware timestamp utilities
│   ├── dashboard/
│   │   ├── templates/
│   │   │   └── index.html   # Live HTML5 Dashboard template
│   │   └── server.py        # FastAPI API Router and WebSocket broadcast controller
│   ├── database/
│   │   ├── manager.py       # SQLite connection & database actions
│   │   └── models.py        # SQLAlchemy schema definitions (Alerts, Logs, Flows)
│   ├── flows/
│   │   ├── capture.py       # Scapy packet sniffer thread
│   │   └── processor.py     # Flow aggregation and metric extractor
│   └── main.py              # Application entrypoint
└── main.py                  # Root script runner
```

---

## 🛠️ Schnellstart- und Einrichtungsanleitung

### 1. Voraussetzungen
Stellen Sie sicher, dass **Python 3.10+** installiert ist. Bei der Erfassung von Live-Netzwerkschnittstellen:
* **Windows:** Installieren Sie [Npcap](https://npcap.com/) (wählen Sie "Install Npcap in WinPcap API-compatible Mode").
* **Linux:** Installieren Sie `libpcap-dev` über `sudo apt-get install libpcap-dev`.

### 2. Installation
Klonen Sie das Repository und installieren Sie die Abhängigkeiten (die Verwendung von `uv` wird für eine schnellere Installation dringend empfohlen):

```bash
# Clone the repository
git clone https://github.com/yourusername/netsentryx.git
cd netsentryx

# Create virtual environment
python -m venv .venv
source .venv/bin/activate  # On Windows: .venv\Scripts\activate

# Install requirements
pip install -r requirements.txt
```

### 3. Umgebungseinrichtung (`.env`)
Erstellen Sie eine `.env`-Datei im Projektstammverzeichnis, um die Benachrichtigungsanmeldeinformationen zu konfigurieren:

```ini
# Discord Configuration
DISCORD_ENABLED=true
DISCORD_WEBHOOK_URL="https://discord.com/api/webhooks/your-webhook-id/your-webhook-token"

# Slack Configuration
SLACK_ENABLED=true
SLACK_WEBHOOK_URL="https://hooks.slack.com/services/YOUR_WORKSPACE_ID/YOUR_CHANNEL_ID/YOUR_SECRET_TOKEN"

# SMTP Email Configuration
SMTP_ENABLED=true
SMTP_SERVER="smtp.gmail.com"
SMTP_PORT=587
SMTP_USERNAME="[email protected]"
SMTP_PASSWORD="your-app-password"
SMTP_FROM_EMAIL="[email protected]"
SMTP_TO_EMAIL="[email protected]"
```

### 4. Starten der Plattform

#### 🧪 Simulationsmodus (Enthält synthetischen Traffic-Simulator)
```bash
python main.py --simulate
```

#### 🌐 Live-Sniffing-Modus (Erfordert Administrator-/sudo-Rechte)
```bash
python main.py
```

Öffnen Sie Ihren Browser und navigieren Sie zu `http://localhost:8000`, um das Live-Dashboard anzuzeigen.

---

## 📖 API-Dokumentation

### Telemetrie- und Inferenz-Endpunkt

* **URL:** `/api/v1/telemetry/analyze`
* **Methode:** `POST`
* **Content-Type:** `application/json`

#### Anfrage-Payload
```json
{
  "packet_count": 550,
  "byte_count": 850000,
  "flow_duration": 4.5,
  "syn_flag_ratio": 0.85,
  "port_entropy": 3.2,
  "byte_rate": 188888.8,
  "source_ip": "192.168.1.120",
  "dest_ip": "10.0.0.5",
  "protocol": "TCP"
}
```

#### Antwort (Normaler Traffic)
```json
{
  "status": "NORMAL",
  "threat_level": "low",
  "anomaly_score": 0.3083,
  "threshold": 2.1319
}
```

#### Antwort (Anomaler Traffic)
```json
{
  "status": "ANOMALOUS",
  "threat_level": "critical",
  "anomaly_score": 117999.03,
  "threshold": 2.1319,
  "alert": {
    "id": 12,
    "timestamp": "2026-08-05T14:13:31.373Z",
    "rule_id": "ml_autoencoder_anomaly",
    "rule_name": "ML Autoencoder Anomaly",
    "source_ip": "192.168.1.120",
    "severity": "critical",
    "description": "Deep autoencoder reconstruction error exceeded anomaly threshold (score: 117999.0300, threshold: 2.1320).",
    "metrics": { ... }
  }
}
```

### Historische Abfragen

| Endpunkt | Methode | Beschreibung | Beispielantwort |
| :--- | :--- | :--- | :--- |
| `/api/alerts` | `GET` | Ruft aktuelle, in der DB gespeicherte Bedrohungswarnungen ab | `[{"id": 1, "rule_name": "Port Scanning", ...}]` |
| `/api/flows` | `GET` | Ruft aktuelle Netzwerkfluss-Telemetrieprotokolle ab | `[{"source_ip": "192.168.1.10", "packet_count": 45, ...}]` |
| `/api/logs` | `GET` | Ruft Backend-System-Audit-Protokolle ab | `[{"level": "INFO", "message": "ML engine trained...", ...}]` |

---

## 🛡️ Lizenz

Dieses Projekt ist unter der MIT-Lizenz lizenziert – siehe die Datei [LICENSE](https://github.com/aman-sharma-dev/netsentryx/blob/main/LICENSE) für Details.
Tool herunterladen

Beliebteste

Alle anzeigen →

Entdecken Sie die meistgenutzten Tools unserer Community.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 Das ultimative OSINT-Toolkit: Untersuchungsgraph, Konfidenzbewertung, Alias-Familien, Karte, Zeitleiste und Berichte. 49 Module, 400+ Websites, keine API-Schlüssel erforderlich.

    977
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    GhostLock One-Tap Execution App (CVE-2026-43499)

    564
  • 3

    looking-glass

    anonghosty/looking-glass

    CSIRT-Plattform, die Shadowserver-Berichte in MongoDB einliest und sie als interaktive Karten, Analysen, Findings, Advisories und Executive-Dashboards wiedergibt.

    352
  • 4

    redforge

    cybersecurity91/redforge

    Browser-seitiges Red-Team-Toolkit mit 102 Offline-Tools für Recon, Payload-Generierung, Credential-Angriffe, Krypto, Encoding und Engagement-Reporting.

    344
  • 5

    ARTEX

    baarai/artex

    LLM-basierte Multi-Agenten-Plattform für autonome Penetrationstests mit Planer-/Worker-Agenten, Asset- und Explorationsgraphen, MITM-Verkehrsaufzeichnung und Schwachstellen-Retesting.

    322
  • 6

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    Das System der Handlung für KI-native Cybersicherheit – wo Absicht zu gesteuerter Ausführung wird, Beweise zu operativem Gedächtnis werden und jeder Einsatz den nächsten verbessert.

    308

Alle Tools erkunden

Durchsuchen Sie unsere Tool-Sammlung

Alle Tools anzeigen →