
Ein eigenständiges SIGMA-basiertes Erkennungstool für EVTX-, Auditd- und Sysmon-for-Linux-Logs.
Zircolite führt Sigma-Regeln auf deinen Logs aus. Es flacht Ereignisse in SQLite ab, wandelt jede Regel in eine SQL-Abfrage um und meldet, was übereinstimmt, offline, mit einem einzigen Befehl.

rules/. Korrelationsregeln inklusive.--timeline).📖 Lies die Dokumentation, auch in docs/.
Eigenständige Binärdatei, nichts zu installieren: Lade die Zip-Datei für deine Plattform aus den Releases herunter (Linux x64 und ARM64, macOS Apple Silicon, Windows x64 und ARM64).
Docker:
docker pull wagga40/zircolite:latest
Aus der Quelle mit PDM, Python 3.11 bis 3.14:
git clone https://github.com/wagga40/Zircolite.git
cd Zircolite
pdm use -f 3.14
pdm install
pdm use hält PDM von Python 3.15 und Free-Threaded-Builds fern, die
noch nicht unterstützt werden; jede Version von 3.11 bis 3.13 funktioniert ebenfalls. Mit
uv:
git clone https://github.com/wagga40/Zircolite.git
cd Zircolite
uv sync --python 3.14+gil
Bei der Installation aus dem Quellcode wird ein nativer Flattening-Kernel kompiliert, wofür ein C-Compiler erforderlich ist; ohne einen solchen wird auf einen langsameren Python-Kernel zurückgegriffen. Siehe Installation für Compiler-Pakete, Binär- Details (macOS-Quarantäne, Prüfsummen) und Docker-Berechtigungen.
# Windows logs, with the default ruleset (rules/rules_windows_merged.json)
python3 zircolite.py --events sysmon.evtx
# Linux logs: the format is detected
python3 zircolite.py --events auditd.log --ruleset rules/rules_linux.json
# Native Sigma rules, through pySigma pipelines
python3 zircolite.py --events logs/ --ruleset ./sigma/rules/windows/process_creation \
--pipeline sysmon --pipeline windows-logsources
# Every event and detection, for the Zircolite Viewer
python3 zircolite.py --events logs/ --package
# The detections as a timeline, for Timeline Explorer or a spreadsheet
python3 zircolite.py --events logs/ --timeline
Mit einem Binary führen Sie ./Zircolite statt python3 zircolite.py aus. Aus dem Quellcode stellen Sie dem Befehl pdm run (oder uv run) voran, sofern die Umgebung nicht aktiv ist. Mit Docker mounten Sie die Logs und geben absolute Pfade an:
docker run --rm --tty -v $PWD:/case/input:ro -v $PWD:/case/output \
wagga40/zircolite:latest --events /case/input -o /case/output/detected_events.json
Auf einem Linux-Host fügen Sie --user "$(id -u):$(id -g)" und -l /case/output/zircolite.log hinzu: Das
Image läuft als unprivilegierter Benutzer, der nicht in ein Verzeichnis schreiben kann, das Ihnen gehört.
Die Erkennungen werden in detected_events.json geschrieben. Protokolle zum Ausprobieren finden Sie unter
EVTX-ATTACK-SAMPLES.
[!IMPORTANT] Die Standard-Regelsätze können verrauschte oder langsame Regeln enthalten. Wählen Sie Regeln für Ihre Umgebung aus, und aktualisieren Sie sie mit
python3 zircolite.py -U.
Zircolite flacht jedes Ereignis zu einer Zeile einer SQLite-Tabelle ab, wandelt jede Sigma-Regel in eine SQL-Abfrage über diese Tabelle um und meldet die Zeilen, die übereinstimmen.
--package schreibt eine Zip-Datei, die jedes Ereignis des Laufs enthält, wobei die Erkennungen und
Korrelationswarnungen mit ihnen verknüpft sind. Entpacken Sie sie und öffnen Sie index.html: Der Viewer läuft offline
und bietet eine Übersicht, die Erkennungen, eine Ereignistabelle, die Sie durchsuchen, filtern und nach
jeder Spalte sortieren können, eine Zeitleiste, die ATT&CK-Matrix, Entitäten, die Stapelung der seltensten Werte, Anmeldungen und
laterale Bewegung, Prozessbäume und eine SQL-Konsole. Teilen Sie ein Paket so, wie Sie die Protokolle teilen würden, aus denen es stammt. Siehe Zircolite Viewer.

Mediane Wanduhrzeit auf einem 10-Kern-Apple M1 Max, jedes Tool mit seinen Standardeinstellungen und eigenen Regeln:
| Tool | 4 Sysmon EVTX, 478 MB | 8 EVTX über 11 Kanäle, 13,3 GB |
|---|---|---|
| Zircolite | 7,7 s | 30,2 s |
| Hayabusa 4.2.0 | 23,3 s | 500,3 s |
| Chainsaw 2.17.1 | 48,3 s | 183,0 s |
Zircolite verwendet mehr Speicher als die anderen, durch seine parallelen Worker (--no-parallel
schaltet sie ab), und die Regelsätze unterscheiden sich, sodass die Erkennungszahlen nicht vergleichbar sind. Siehe
Benchmark für Speicher, Einrichtung und Reproduktion.