NFStream Logo

[NFStream][repo] è un framework Python multipiattaforma che fornisce strutture dati veloci, flessibili ed espressive progettate per rendere il lavoro con dati di rete online o offline facile e intuitivo. Il suo obiettivo è diventare il fondamentale blocco costitutivo di alto livello di Python per l'analisi pratica di dati di flusso di rete nel mondo reale. Inoltre, ha l'obiettivo più ampio di diventare un framework unificante per l'analisi dei dati di rete per i ricercatori, fornendo riproducibilità dei dati tra gli esperimenti.

Notebook live
Sito del progetto
Canale di discussione
Ultima versione
Versioni supportate
Licenza del progetto
Integrazione continua

Caratteristiche principali

Performance: NFStream è progettato per essere veloce: [AF_PACKET_V3/FANOUT][packet] su Linux, multiprocessing, motore di calcolo nativo basato su [CFFI][cffi] e pieno supporto per [PyPy][pypy].
Visibilità crittografata di livello 7: L'ispezione approfondita dei pacchetti di NFStream si basa su [nDPI][ndpi]. Consente a NFStream di effettuare un'identificazione [affidabile][reliable] delle applicazioni crittografate e il fingerprinting dei metadati (ad es. TLS, SSH, DHCP, HTTP).
Visibilità di sistema: NFStream sonda il kernel del sistema monitorato per ottenere informazioni sui socket Internet aperti e raccoglie ground-truth garantito (nome del processo, PID, ecc.) a livello di applicazione.
Estrazione di caratteristiche statistiche: NFStream fornisce lo stato dell'arte nell'estrazione di caratteristiche statistiche basate sui flussi. Include caratteristiche statistiche post-mortem (ad es. minimo, media, deviazione standard e massimo della dimensione dei pacchetti e del tempo tra arrivi) e caratteristiche precoci dei flussi (ad es. sequenza delle dimensioni dei primi n pacchetti, tempi tra arrivi e direzioni).
Flessibilità: NFStream è facilmente estendibile utilizzando [NFPlugins][nfplugin]. Permette la creazione di una nuova caratteristica del flusso in poche righe di Python.
Orientato al Machine Learning: NFStream mira a rendere riproducibili e distribuibili gli approcci di Machine Learning per la gestione del traffico di rete. Utilizzando NFStream come framework comune, i ricercatori assicurano che i modelli siano addestrati con la stessa logica di calcolo delle caratteristiche, e quindi un confronto equo è possibile. Inoltre, i modelli addestrati possono essere distribuiti e valutati su reti live utilizzando [NFPlugins][nfplugin].

Come ottenerlo?

Gli installer binari per l'ultima versione rilasciata sono disponibili su Pypi.```bash pip install nfstream

> **Note per Windows**: NFStream non include driver di cattura su Windows (restrizioni di licenza). È necessario
> installare i [driver Npcap][npcap] prima di installare NFStream.
> Se Wireshark è già installato su Windows, allora i driver Npcap sono già installati e non è necessario eseguire
> alcuna azione aggiuntiva.

## Come usarlo?

### Identificazione di applicazioni crittografate ed estrazione dei metadati

Gestisci un grande file pcap e vuoi aggregarlo in flussi di rete etichettati? **NFStream** rende questo percorso più semplice in poche righe:```python
from nfstream import NFStreamer
# We display all streamer parameters with their default values.
# See documentation for detailed information about each parameter.
# https://www.nfstream.org/docs/api#nfstreamer
my_streamer = NFStreamer(source="facebook.pcap", # or live network interface
                         decode_tunnels=True,
                         bpf_filter=None,
                         promiscuous_mode=True,
                         snapshot_length=1536,
                         idle_timeout=120,
                         active_timeout=1800,
                         accounting_mode=0,
                         udps=None,
                         n_dissections=20,
                         statistical_analysis=False,
                         splt_analysis=0,
                         n_meters=0,
                         max_nflows=0,
                         performance_report=0,
                         system_visibility_mode=0,
                         system_visibility_poll_ms=100)
                         
for flow in my_streamer:
    print(flow)  # print it.

Caratteristiche Principali

Prestazioni Multi-Thread - Le goroutine di Go per l'esecuzione parallela dei task.
Rilevamento Completo degli URL - Crawling multi-livello, estrazione di URL da file JavaScript, file robots.txt e sitemap.xml e supporto per wordlist personalizzate.
Generazione Intelligente dei Payload - Più tipi di mutazione (doppia codifica, inserimento di caratteri speciali, ecc.) e una lista di payload integrata e curata per SQL injection, XSS, XXE, ecc.
Reportistica Operativa - Cronologia di esecuzione dettagliata, tutti gli URL testati vengono registrati e solo le vulnerabilità confermate e sfruttabili vengono segnalate.

Metodologia di Test Fondamentale

Ogni URL scoperto viene testato sistematicamente utilizzando tre approcci complementari progettati per massimizzare l'accuratezza del rilevamento eliminando i falsi positivi:

Verifica della Richiesta di Baseline
- Stabilisce le caratteristiche normali della risposta (codice di stato, contenuto, tempo di risposta) per ogni URL testato.
- Crea un punto di confronto affidabile per i successivi test di iniezione del payload.
- Identifica automaticamente gli endpoint instabili o incoerenti e li esclude dai test successivi.
Test di Iniezione Completi
- Applica più varianti di payload a ciascun parametro in modo indipendente.
- Utilizza goroutine parallele per test concorrenti efficienti senza compromettere l'accuratezza.
- Impiega la gestione delle sessioni per mantenere lo stato dei test su più richieste.
Analisi Avanzata della Risposta
- Rilevamento Basato sul Tempo - Identifica con precisione le vulnerabilità di tipo time-based injection confrontando i tempi di risposta con una soglia di baseline calcolata, determinando se il tempo di risposta indica un'iniezione riuscita.
- Rilevamento Basato sul Contenuto - Esegue un parsing HTML intelligente e un pattern matching sensibile al contesto per rilevare messaggi di errore, risposte specifiche del database o output anomali che potrebbero indicare il successo dell'iniezione.
- Analisi dei Codici di Stato - Rileva stati di errore che potrebbero non essere presenti nel normale flusso applicativo.
- Verifica Statistica - Utilizza algoritmi statistici per differenziare le vulnerabilità genuine dalle variazioni naturali della risposta.

Molteplici metodi di rilevamento lavorano insieme per eliminare i falsi positivi e confermare le vulnerabilità genuine, garantendo che solo i risultati verificati vengano segnalati.

Reportistica Completa

Genera un report Markdown dettagliato (report_<target-host>_<timestamp>.md) che fornisce una panoramica completa dei test:

Il report include:

Cronologia Completa - Traccia ogni fase di test con timestamp esatti.
Risultati Categorizzati - Le vulnerabilità sono organizzate per endpoint, tipo e gravità.
Dettagli Tecnici - Coppie complete di richiesta/risposta per le vulnerabilità verificate.
Guida alla Mitigazione - Passi pratici per correggere le vulnerabilità identificate.
Statistiche di Riepilogo - Panoramica rapida dell'ambito della scansione, dei risultati e del livello di sicurezza.

Miglioramento Continuo

Il progetto sessionProbe è in fase di sviluppo attivo. Ci impegniamo per un miglioramento continuo e aggiorneremo regolarmente lo strumento con:```python

See documentation for each feature detailed description.

https://www.nfstream.org/docs/api#nflow

NFlow(id=0, expiration_id=0, src_ip='192.168.43.18', src_mac='30:52:cb:6c:9c:1b', src_oui='30:52:cb', src_port=52066, dst_ip='66.220.156.68', dst_mac='98:0c:82:d3:3c:7c', dst_oui='98:0c:82', dst_port=443, protocol=6, ip_version=4, vlan_id=0, tunnel_id=0, bidirectional_first_seen_ms=1472393122365, bidirectional_last_seen_ms=1472393123665, bidirectional_duration_ms=1300, bidirectional_packets=19, bidirectional_bytes=5745, src2dst_first_seen_ms=1472393122365, src2dst_last_seen_ms=1472393123408, src2dst_duration_ms=1043, src2dst_packets=9, src2dst_bytes=1345, dst2src_first_seen_ms=1472393122668, dst2src_last_seen_ms=1472393123665, dst2src_duration_ms=997, dst2src_packets=10, dst2src_bytes=4400, application_name='TLS.Facebook', application_category_name='SocialNetwork', application_is_guessed=0, application_confidence=4, requested_server_name='facebook.com', client_fingerprint='t12d1310h2_27a29bd8d6e6_85173d161f9a', server_fingerprint='2d1eb5817ece335c24904f516ad5da12', user_agent='', content_type='')

### Visibilità del sistema

NFStream sonda il kernel del sistema monitorato per ottenere informazioni sui socket Internet aperti e raccoglie dati di verità di base garantiti (nome del processo, PID, ecc.) a livello applicativo.```python
from nfstream import NFStreamer
my_streamer = NFStreamer(source="Intel(R) Wi-Fi 6 AX200 160MHz", # Live capture mode. 
                        # Disable L7 dissection for readability purpose only.
                        n_dissections=0,
                        system_visibility_poll_ms=100,
                        system_visibility_mode=1)
                        
for flow in my_streamer:
   print(flow)  # print it.

# See documentation for each feature detailed description.
# https://www.nfstream.org/docs/api#nflow
NFlow(id=0,
      expiration_id=0,
      src_ip='192.168.43.18',
      src_mac='30:52:cb:6c:9c:1b',
      src_oui='30:52:cb',
      src_port=59339,
      dst_ip='184.73.244.37',
      dst_mac='98:0c:82:d3:3c:7c',
      dst_oui='98:0c:82',
      dst_port=443,
      protocol=6,
      ip_version=4,
      vlan_id=0,
      tunnel_id=0,
      bidirectional_first_seen_ms=1638966705265,
      bidirectional_last_seen_ms=1638966706999,
      bidirectional_duration_ms=1734,
      bidirectional_packets=98,
      bidirectional_bytes=424464,
      src2dst_first_seen_ms=1638966705265,
      src2dst_last_seen_ms=1638966706999,
      src2dst_duration_ms=1734,
      src2dst_packets=22,
      src2dst_bytes=2478,
      dst2src_first_seen_ms=1638966705345,
      dst2src_last_seen_ms=1638966706999,
      dst2src_duration_ms=1654,
      dst2src_packets=76,
      dst2src_bytes=421986,
      # The process that generated this reported flow. 
      system_process_pid=14596,
      system_process_name='FortniteClient-Win64-Shipping.exe')
 ```
### Estrazione delle caratteristiche statistiche del flusso post-mortem

NFStream esegue l'estrazione di 48 caratteristiche statistiche del flusso post-mortem, che include un'analisi dettagliata dei flag TCP, minimo, medio, massimo e deviazione standard sia della dimensione dei pacchetti che del tempo di inter-arrivo in ciascuna direzione.```python
from nfstream import NFStreamer
my_streamer = NFStreamer(source="facebook.pcap",
                         # Disable L7 dissection for readability purpose.
                         n_dissections=0,  
                         statistical_analysis=True)
for flow in my_streamer:
    print(flow)
```
<!-- Nessun contenuto fornito -->```python
# See documentation for each feature detailed description.
# https://www.nfstream.org/docs/api#nflow
NFlow(id=0,
      expiration_id=0,
      src_ip='192.168.43.18',
      src_mac='30:52:cb:6c:9c:1b',
      src_oui='30:52:cb',
      src_port=52066,
      dst_ip='66.220.156.68',
      dst_mac='98:0c:82:d3:3c:7c',
      dst_oui='98:0c:82',
      dst_port=443,
      protocol=6,
      ip_version=4,
      vlan_id=0,
      tunnel_id=0,
      bidirectional_first_seen_ms=1472393122365,
      bidirectional_last_seen_ms=1472393123665,
      bidirectional_duration_ms=1300,
      bidirectional_packets=19,
      bidirectional_bytes=5745,
      src2dst_first_seen_ms=1472393122365,
      src2dst_last_seen_ms=1472393123408,
      src2dst_duration_ms=1043,
      src2dst_packets=9,
      src2dst_bytes=1345,
      dst2src_first_seen_ms=1472393122668,
      dst2src_last_seen_ms=1472393123665,
      dst2src_duration_ms=997,
      dst2src_packets=10,
      dst2src_bytes=4400,
      bidirectional_min_ps=66,
      bidirectional_mean_ps=302.36842105263156,
      bidirectional_stddev_ps=425.53315715259754,
      bidirectional_max_ps=1454,
      src2dst_min_ps=66,
      src2dst_mean_ps=149.44444444444446,
      src2dst_stddev_ps=132.20354676701294,
      src2dst_max_ps=449,
      dst2src_min_ps=66,
      dst2src_mean_ps=440.0,
      dst2src_stddev_ps=549.7164925870628,
      dst2src_max_ps=1454,
      bidirectional_min_piat_ms=0,
      bidirectional_mean_piat_ms=72.22222222222223,
      bidirectional_stddev_piat_ms=137.34994188549086,
      bidirectional_max_piat_ms=398,
      src2dst_min_piat_ms=0,
      src2dst_mean_piat_ms=130.375,
      src2dst_stddev_piat_ms=179.72036811192467,
      src2dst_max_piat_ms=415,
      dst2src_min_piat_ms=0,
      dst2src_mean_piat_ms=110.77777777777777,
      dst2src_stddev_piat_ms=169.51458475436397,
      dst2src_max_piat_ms=409,
      bidirectional_syn_packets=2,
      bidirectional_cwr_packets=0,
      bidirectional_ece_packets=0,
      bidirectional_urg_packets=0,
      bidirectional_ack_packets=18,
      bidirectional_psh_packets=9,
      bidirectional_rst_packets=0,
      bidirectional_fin_packets=0,
      src2dst_syn_packets=1,
      src2dst_cwr_packets=0,
      src2dst_ece_packets=0,
      src2dst_urg_packets=0,
      src2dst_ack_packets=8,
      src2dst_psh_packets=4,
      src2dst_rst_packets=0,
      src2dst_fin_packets=0,
      dst2src_syn_packets=1,
      dst2src_cwr_packets=0,
      dst2src_ece_packets=0,
      dst2src_urg_packets=0,
      dst2src_ack_packets=10,
      dst2src_psh_packets=5,
      dst2src_rst_packets=0,
      dst2src_fin_packets=0)
```
### Estrazione precoce delle caratteristiche statistiche dei flussi

NFStream esegue un'estrazione precoce (fino a 255 pacchetti) delle caratteristiche statistiche dei flussi (indicata come analisi SPLT in letteratura). Si riassume come una sequenza delle direzioni, delle dimensioni e dei tempi di inter-arrivo di questi pacchetti.```python
from nfstream import NFStreamer
my_streamer = NFStreamer(source="facebook.pcap",
                         # We disable l7 dissection for readability purpose.
                         n_dissections=0,
                         splt_analysis=10)
for flow in my_streamer:
    print(flow)
```
Genera una lista finale di IOC di email e domini che possono essere utilizzati per il blocco o il rilevamento. L'output è un file JSON contenente tutti gli IOC con metadati.```python
# See documentation for each feature detailed description.
# https://www.nfstream.org/docs/api#nflow
NFlow(id=0,
      expiration_id=0,
      src_ip='192.168.43.18',
      src_mac='30:52:cb:6c:9c:1b',
      src_oui='30:52:cb',
      src_port=52066,
      dst_ip='66.220.156.68',
      dst_mac='98:0c:82:d3:3c:7c',
      dst_oui='98:0c:82',
      dst_port=443,
      protocol=6,
      ip_version=4,
      vlan_id=0,
      tunnel_id=0,
      bidirectional_first_seen_ms=1472393122365,
      bidirectional_last_seen_ms=1472393123665,
      bidirectional_duration_ms=1300,
      bidirectional_packets=19,
      bidirectional_bytes=5745,
      src2dst_first_seen_ms=1472393122365,
      src2dst_last_seen_ms=1472393123408,
      src2dst_duration_ms=1043,
      src2dst_packets=9,
      src2dst_bytes=1345,
      dst2src_first_seen_ms=1472393122668,
      dst2src_last_seen_ms=1472393123665,
      dst2src_duration_ms=997,
      dst2src_packets=10,
      dst2src_bytes=4400,
      # The sequence of 10 first packet direction, size and inter arrival time.
      splt_direction=[0, 1, 0, 0, 1, 1, 0, 1, 0, 1],
      splt_ps=[74, 74, 66, 262, 66, 1454, 66, 1454, 66, 463],
      splt_piat_ms=[0, 303, 0, 0, 313, 0, 0, 0, 0, 1])
```
### Interfaccia di esportazione Pandas

NFStream supporta nativamente Pandas come interfaccia di esportazione.```python
# See documentation for more details.
# https://www.nfstream.org/docs/api#pandas-dataframe-conversion
from nfstream import NFStreamer
my_dataframe = NFStreamer(source='teams.pcap').to_pandas()[["src_ip",
                                                            "src_port",
                                                            "dst_ip", 
                                                            "dst_port", 
                                                            "protocol",
                                                            "bidirectional_packets",
                                                            "bidirectional_bytes",
                                                            "application_name"]]
my_dataframe.head(5)
```
![Pandas](https://assets.kitploit.com/production/public/readmes/4692/8f2cafe5b7bf7cc29c582d8fde27ade77c82b453aff5603a5ea31bb4d1f44ebb.png)

### Interfaccia di esportazione CSV

NFStream supporta nativamente il formato file CSV come interfaccia di esportazione.```python
# See documentation for more details.
# https://www.nfstream.org/docs/api#csv-file-conversion
flows_count = NFStreamer(source='facebook.pcap').to_csv(path=None,
                                                        columns_to_anonymize=(),
                                                        flows_per_file=0,
                                                        rotate_files=0)
```
### Estendere NFStream

Non hai trovato una funzionalità di flusso specifica? aggiungi un plugin a **NFStream** in poche righe:```python
from nfstream import NFPlugin
    
class MyCustomPktSizeFeature(NFPlugin):
    def on_init(self, packet, flow):
        # flow creation with the first packet
        if packet.raw_size == self.custom_size:
            flow.udps.packet_with_custom_size = 1
        else:
            flow.udps.packet_with_custom_size = 0
 
    def on_update(self, packet, flow):
        # flow update with each packet belonging to the flow 
        if packet.raw_size == self.custom_size:
            flow.udps.packet_with_custom_size += 1


extended_streamer = NFStreamer(source='facebook.pcap', 
                               udps=MyCustomPktSizeFeature(custom_size=555))

for flow in extended_streamer:
    # see your dynamically created metric in generated flows
    print(flow.udps.packet_with_custom_size) 
```
### Addestramento e distribuzione di modelli di Machine Learning

Il seguente esempio semplicistico dimostra come addestrare e distribuire un approccio di machine learning per
la categorizzazione del flusso di traffico.
Vogliamo eseguire una classificazione dei flussi della categoria Social Network basata su bidirectional_packets e bidirectional_bytes
come caratteristiche di input. Per brevità, decidiamo di fare previsioni solo nella fase di scadenza del flusso.

#### Addestramento del modello```python
from nfstream import NFPlugin, NFStreamer
import numpy
from sklearn.ensemble import RandomForestClassifier

df = NFStreamer(source="training_traffic.pcap").to_pandas()
X = df[["bidirectional_packets", "bidirectional_bytes"]]
y = df["application_category_name"].apply(lambda x: 1 if 'SocialNetwork' in x else 0)
model = RandomForestClassifier()
model.fit(X, y)
```
#### ML powered streamer sul traffico live```python
class ModelPrediction(NFPlugin):
    def on_init(self, packet, flow):
        flow.udps.model_prediction = 0
    def on_expire(self, flow):
        # You can do the same in on_update entrypoint and force expiration with custom id. 
        to_predict = numpy.array([flow.bidirectional_packets,
                                  flow.bidirectional_bytes]).reshape((1,-1))
        flow.udps.model_prediction = self.my_model.predict(to_predict)

ml_streamer = NFStreamer(source="eth0", udps=ModelPrediction(my_model=model))
for flow in ml_streamer:
    print(flow.udps.model_prediction)
```
Ulteriori esempi e dettagli sui NFPlugin sono forniti nella [**documentazione**][documentation] ufficiale. Puoi anche testare NFStream senza installazione utilizzando il nostro [**notebook demo live**][demo].

## Costruzione dai sorgenti ![l] ![m] ![w]

Per costruire **NFStream** dai sorgenti, leggi la [**guida all'installazione**][install] fornita nella documentazione ufficiale.

## Contribuire

Leggi [**Contribuire**][contribute] per dettagli sul nostro codice di condotta e il processo per inviare richieste pull.

## Etica

**NFStream** è destinato alla ricerca e alla forensica dei dati di rete. Ricercatori e data scientist di rete possono utilizzare questo framework per creare dataset affidabili e addestrare e valutare modelli di machine learning applicati alla rete. Come per qualsiasi strumento di monitoraggio dei pacchetti, **NFStream** potrebbe essere usato in modo improprio. **Non eseguirlo su alcuna rete di cui non sei proprietario o amministratore**.

## Crediti

### Citazione

L'[**articolo su NFStream**][doi] è pubblicato su [**Computer Networks (COMNET)**][comnet]. Se usi NFStream in una pubblicazione scientifica, apprezzeremmo citazioni al seguente articolo:``` latex
@article{AOUINI2022108719,
  title = {NFStream: A flexible network data analysis framework},
  author = {Aouini, Zied and Pekar, Adrian},
  doi = {10.1016/j.comnet.2021.108719},
  issn = {1389-1286},
  journal = {Computer Networks},
  pages = {108719},
  year = {2022},
  publisher = {Elsevier},
  volume = {204},
  url = {https://www.sciencedirect.com/science/article/pii/S1389128621005739}
}
```
### Autori

Le seguenti persone hanno contribuito a NFStream:

* [**Zied Aouini**](mailto:[email protected]): Creatore e sviluppatore principale.
* [**Adrian Pekar**](mailto:[email protected]): Co-creatore e sviluppatore principale.
* [**Romain Picard**](mailto:[email protected]): Implementazione dei plugin MDNS e DHCP.
* [**Radion Bikmukhamedov**](mailto:[email protected]): Lavoro iniziale sull'analisi SPLT NFPlugin.
* [**Jorge Casajús-Setién**](mailto:[email protected]): Implementazione del plugin per la firma JA4.

### Organizzazioni sostenitrici

Le seguenti organizzazioni hanno supportato NFStream:

* [**SoftAtHome**](https://www.softathome.com/): Sostenitore dello sviluppo di NFStream.
* [**Università Tecnica di Košice**](https://www.tuke.sk/): Hardware e infrastruttura per la generazione e l'archiviazione dei dataset.
* [**ntop**](https://www.ntop.org/): Supporto tecnico per l'integrazione di [**nDPI**][ndpi].
* [**The Nmap Project**](https://nmap.org): Supporto tecnico per l'integrazione di [**Npcap**][npcap] (installer OEM NPCAP su Windows CI).
* [**Google OSS Fuzz**](https://google.github.io/oss-fuzz/): Supporto continuo per test fuzzing del progetto NFStream.

[![sah]](https://www.softathome.com/) [![tuke]](https://www.tuke.sk/) [![ntop]](https://www.ntop.org/) [![nmap]](https://nmap.org/) [![google]](https://google.github.io/oss-fuzz/)

## Pubblicazioni che usano NFStream

Più di [**100 articoli di ricerca**](https://scholar.google.com/scholar?hl=en&as_sdt=2005&sciodt=0,5&cites=14084093141225707606&scipsc=) hanno già utilizzato NFStream come parte dei loro flussi di elaborazione.

## Licenza

Questo progetto è concesso in licenza LGPLv3 - consulta il file [**Licenza**][license] per i dettagli

[license]: https://raw.githubusercontent.com/nfstream/nfstream/master/LICENSE
[contribute]: https://nfstream.org/docs/community
[documentation]: https://nfstream.org/
[ndpi]: https://github.com/ntop/nDPI
[npcap]: https://npcap.org
[nfplugin]: https://nfstream.org/docs/api#nfplugin
[reliable]: http://people.ac.upc.edu/pbarlet/papers/ground-truth.pam2014.pdf
[repo]: https://nfstream.org/
[demo]: https://mybinder.org/v2/gh/nfstream/nfstream/master?filepath=demo_notebook.ipynb
[pypy]: https://www.pypy.org/
[cffi]: https://cffi.readthedocs.io/en/latest/goals.html
[sah]:https://raw.githubusercontent.com/nfstream/nfstream/master/assets/sah_logo.png?raw=true
[tuke]:https://raw.githubusercontent.com/nfstream/nfstream/master/assets/tuke_logo.png?raw=true
[ntop]:https://raw.githubusercontent.com/nfstream/nfstream/master/assets/ntop_logo.png?raw=true
[nmap]:https://raw.githubusercontent.com/nfstream/nfstream/master/assets/nmap_logo.png?raw=true
[google]:https://raw.githubusercontent.com/nfstream/nfstream/master/assets/google_logo.png?raw=true
[l]:https://github.com/ryanoasis/nerd-fonts/wiki/screenshots/v1.0.x/linux-pass-sm.png
[m]:https://github.com/ryanoasis/nerd-fonts/wiki/screenshots/v1.0.x/mac-pass-sm.png
[w]:https://github.com/ryanoasis/nerd-fonts/wiki/screenshots/v1.0.x/windows-pass-sm.png
[install]: https://www.nfstream.org/docs/#building-nfstream-from-sources
[doi]: https://doi.org/10.1016/j.comnet.2021.108719
[comnet]: https://www.sciencedirect.com/journal/computer-networks/vol/204/suppl/C
[packet]: https://manned.org/packet.7

nfstream

Più Popolari