aman-sharma-dev/netsentryxEine ereignisgesteuerte Netzwerküberwachungsplattform, die Live-Paketmitschnitt (Npcap), latenzarme Verkehrsanalyse und unüberwachte Bedrohungserkennung mithilfe eines PyTorch-Autoencoders durchführt, unterstützt durch eine asynchrone Mehrkanal-Alarm-Engine.
KI-gesteuerte, hochperformante Echtzeit-Netzwerkbeobachtungs- und Bedrohungserkennungs-Engine
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.
Das folgende Flussdiagramm veranschaulicht die Datenerfassung, die Echtzeit-Deep-Learning-Inferenz, die Alarmierungspipeline und die WebSocket-Visualisierungsschicht:
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:#fffTrafficAutoencoder), um komplexe Zero-Day-Exploits, Scanning- oder DDoS-Angriffe basierend auf dem multivariaten Feature-Rekonstruktionsfehler zu erkennen.Mean + 3 * Std) während des Serverstarts, wodurch es sofort einsatzbereit ist.BackgroundTasks.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
Stellen Sie sicher, dass Python 3.10+ installiert ist. Bei der Erfassung von Live-Netzwerkschnittstellen:
libpcap-dev über sudo apt-get install libpcap-dev.Klonen Sie das Repository und installieren Sie die Abhängigkeiten (die Verwendung von uv wird für eine schnellere Installation dringend empfohlen):
# 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
.env)Erstellen Sie eine .env-Datei im Projektstammverzeichnis, um die Benachrichtigungsanmeldeinformationen zu konfigurieren:
# 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]"
python main.py --simulate
python main.py
Öffnen Sie Ihren Browser und navigieren Sie zu http://localhost:8000, um das Live-Dashboard anzuzeigen.
/api/v1/telemetry/analyzePOSTapplication/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"
}
{
"status": "NORMAL",
"threat_level": "low",
"anomaly_score": 0.3083,
"threshold": 2.1319
}
{
"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": { ... }
}
}
| 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...", ...}] |
Dieses Projekt ist unter der MIT-Lizenz lizenziert – siehe die Datei LICENSE für Details.