NetSentryx PRO 🛡️

Motor de Detección de Amenazas y Observabilidad de Red en Tiempo Real de Alto Rendimiento Impulsado por IA

NetSentryx PRO es una plataforma de inteligencia de amenazas y monitoreo de red basada en eventos de próxima generación. Combinando firmas basadas en reglas con un Autoencoder Profundo de PyTorch, proporciona detección de anomalías en paquetes y netflow en menos de 10 ms, alertas automatizadas multicanal (Slack, Discord, Email) y un panel SOC interactivo en tiempo real.

🏗️ Arquitectura del Sistema

El siguiente diagrama de flujo ilustra la ingesta de datos, la inferencia de aprendizaje profundo en tiempo real, el pipeline de alertas y la capa de visualización WebSocket:

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

🚀 Características Principales

⚡ Ingesta de Tráfico en Tiempo Real: Agrega tramas de paquetes en resúmenes de netflow enriquecidos sobre la marcha con latencia mínima.
🧠 Detección de Anomalías con Autoencoder Profundo de PyTorch: Utiliza una red neuronal ligera de PyTorch (TrafficAutoencoder) para detectar exploits zero-day sofisticados, escaneos o ataques DDoS basándose en el error de reconstrucción de características multivariadas.
📈 Inicio Sin Entrenamiento Manual: Incluye ajuste sintético automatizado y calibración estadística de umbrales (Mean + 3 * Std) durante el arranque del servidor, lo que lo hace totalmente funcional desde el primer uso.
⏱️ Latencia de Inferencia Inferior a 10 ms: El pipeline de inferencia optimizado garantiza la evaluación en tiempo real de flujos de paquetes de alto rendimiento.
📣 Despacho de Alertas Multicanal: Envía asíncronamente alertas detalladas de intrusión a webhooks de Slack, webhooks de Discord, APIs HTTP personalizadas y correos SMTP utilizando BackgroundTasks de FastAPI.
📊 Panel SOC Interactivo: Elegante panel en modo oscuro impulsado por Tailwind CSS, Chart.js y WebSockets para la visualización en tiempo real de métricas de rendimiento y feeds de amenazas en vivo.

📁 Estructura del Proyecto

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

🛠️ Guía de Inicio Rápido y Configuración

1. Requisitos Previos

Asegúrate de tener Python 3.10+ instalado. Si vas a capturar interfaces de red en vivo:

Windows: Instala Npcap (selecciona "Install Npcap in WinPcap API-compatible Mode").
Linux: Instala libpcap-dev mediante sudo apt-get install libpcap-dev.

2. Instalación

Clona el repositorio e instala las dependencias (se recomienda encarecidamente usar uv para una instalación más rápida):

# 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. Configuración del Entorno (`.env`)

Crea un archivo .env en la raíz del proyecto para configurar las credenciales de notificación:

# 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. Ejecución de la Plataforma

🧪 Modo Simulación (Incluye simulador de tráfico sintético)

python main.py --simulate

🌐 Modo Sniffing en Vivo (Requiere privilegios de administrador/sudo)

python main.py

Abre tu navegador y navega a http://localhost:8000 para ver el panel en vivo.

📖 Documentación de la API

Endpoint de Telemetría e Inferencia

URL: /api/v1/telemetry/analyze
Método: POST
Content-Type: application/json

Payload de la Solicitud

{
  "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"
}

Respuesta (Tráfico Normal)

{
  "status": "NORMAL",
  "threat_level": "low",
  "anomaly_score": 0.3083,
  "threshold": 2.1319
}

Respuesta (Tráfico Anómalo)

{
  "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": { ... }
  }
}

Consultas Históricas

Endpoint	Método	Descripción	Respuesta de Ejemplo
`/api/alerts`	`GET`	Obtiene las alertas de amenazas recientes guardadas en la BD	`[{"id": 1, "rule_name": "Port Scanning", ...}]`
`/api/flows`	`GET`	Obtiene los registros recientes de telemetría de flujos de red	`[{"source_ip": "192.168.1.10", "packet_count": 45, ...}]`
`/api/logs`	`GET`	Obtiene los registros de auditoría del sistema backend	`[{"level": "INFO", "message": "ML engine trained...", ...}]`

🛡️ Licencia

Este proyecto está licenciado bajo la Licencia MIT - consulta el archivo LICENSE para más detalles.

netsentryx — Actualizado!

Categorías