NetSentryx PRO 🛡️

Высокопроизводительный движок сетевого мониторинга и обнаружения угроз в реальном времени на основе ИИ

NetSentryx PRO — это платформа сетевого мониторинга и анализа угроз нового поколения, основанная на событийно-ориентированной архитектуре. Сочетая сигнатурные правила с глубоким автоэнкодером на PyTorch, она обеспечивает обнаружение аномалий в пакетах и netflow-потоках с задержкой менее 10 мс, автоматическое многоканальное оповещение (Slack, Discord, Email) и интерактивную панель SOC в реальном времени.

🏗️ Архитектура системы

Приведённая ниже схема иллюстрирует приём данных, вывод глубокой нейронной сети в реальном времени, конвейер оповещений и слой визуализации через 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

🚀 Ключевые возможности

⚡ Приём трафика в реальном времени: агрегирует пакетные кадры в подробные netflow-сводки на лету с минимальной задержкой.
🧠 Обнаружение аномалий с помощью глубокого автоэнкодера PyTorch: использует лёгкую нейронную сеть PyTorch (TrafficAutoencoder) для выявления сложных zero-day эксплойтов, сканирования или DDoS-атак на основе ошибки реконструкции многомерных признаков.
📈 Запуск без ручного обучения: автоматическая синтетическая подгонка и статистическая калибровка порогов (Mean + 3 * Std) при запуске сервера, что делает систему полностью работоспособной сразу после установки.
⏱️ Задержка вывода менее 10 мс: оптимизированный конвейер вывода обеспечивает оценку высоконагруженных потоков пакетов в реальном времени.
📣 Многоканальная отправка оповещений: асинхронно отправляет подробные оповещения о вторжениях в Slack webhooks, Discord webhooks, пользовательские HTTP API и SMTP-письма с помощью BackgroundTasks FastAPI.
📊 Интерактивная панель SOC: элегантная тёмная панель на Tailwind CSS, Chart.js и WebSockets для визуализации метрик пропускной способности и лент угроз в реальном времени.

📁 Структура проекта

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

🛠️ Быстрый старт и руководство по настройке

1. Предварительные требования

Убедитесь, что установлен Python 3.10+. Для захвата реальных сетевых интерфейсов:

Windows: установите Npcap (выберите «Install Npcap in WinPcap API-compatible Mode»).
Linux: установите libpcap-dev с помощью sudo apt-get install libpcap-dev.

2. Установка

Клонируйте репозиторий и установите зависимости (для более быстрой установки настоятельно рекомендуется использовать uv):

# 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. Настройка окружения (`.env`)

Создайте файл .env в корне проекта для настройки учётных данных уведомлений:

# 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. Запуск платформы

🧪 Режим симуляции (включает симулятор синтетического трафика)

python main.py --simulate

🌐 Режим захвата в реальном времени (требуются права администратора/sudo)

python main.py

Откройте браузер и перейдите по адресу http://localhost:8000, чтобы просмотреть панель в реальном времени.

📖 Документация API

Конечная точка телеметрии и вывода

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

Тело запроса

{
  "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"
}

Ответ (нормальный трафик)

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

Ответ (аномальный трафик)

{
  "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": { ... }
  }
}

Исторические запросы

Конечная точка	Метод	Описание	Пример ответа
`/api/alerts`	`GET`	Возвращает последние оповещения об угрозах, сохранённые в БД	`[{"id": 1, "rule_name": "Port Scanning", ...}]`
`/api/flows`	`GET`	Возвращает последние журналы телеметрии сетевых потоков	`[{"source_ip": "192.168.1.10", "packet_count": 45, ...}]`
`/api/logs`	`GET`	Возвращает журналы аудита внутренней системы	`[{"level": "INFO", "message": "ML engine trained...", ...}]`

🛡️ Лицензия

Этот проект распространяется под лицензией MIT — подробности см. в файле LICENSE.

netsentryx — Updated!

Категории