Cara melakukan pemantauan trafik rangkaian dan pengesanan pencerobohan melalui Python-Tutorial Python-php.cn

Cara melakukan pemantauan trafik rangkaian dan pengesanan pencerobohan melalui Python

Keselamatan rangkaian adalah tugas penting dalam era maklumat hari ini. Bagi perniagaan dan individu, adalah penting untuk mengesan dan bertindak balas terhadap pencerobohan rangkaian tepat pada masanya. Pemantauan trafik rangkaian dan pengesanan pencerobohan adalah kaedah pertahanan keselamatan yang biasa dan berkesan. Artikel ini akan memperkenalkan cara menggunakan bahasa pengaturcaraan Python untuk melaksanakan pemantauan trafik rangkaian dan pengesanan pencerobohan.

1. Konsep asas pemantauan trafik rangkaian
Pemantauan trafik rangkaian merujuk kepada proses pemantauan masa nyata dan rakaman aliran data dalam rangkaian. Dengan memantau trafik rangkaian, kami boleh memahami operasi rangkaian dan menemui serta mengesan kerosakan rangkaian. Pada masa yang sama, pencerobohan rangkaian juga boleh ditemui dalam masa dan langkah-langkah yang sepadan boleh diambil untuk pertahanan.

2. Alat pemantauan trafik rangkaian Python
Python menyediakan banyak alat dan perpustakaan untuk pemantauan trafik rangkaian. Perpustakaan yang paling biasa digunakan ialah Scapy dan dpkt.

Scapy
Scapy ialah perpustakaan pemprosesan paket rangkaian Python yang berkuasa yang boleh digunakan untuk menghantar, menerima dan memanipulasi paket rangkaian. Dengan menggunakan Scapy, kami boleh menangkap dan menghuraikan paket data rangkaian secara fleksibel untuk memantau trafik rangkaian.

Mula-mula anda perlu memasang perpustakaan Scapy, yang boleh dipasang melalui pip install scapy. pip install scapy进行安装。

下面是一个简单的使用Scapy库进行网络流量监控的示例代码：

from scapy.all import sniff

def packet_callback(packet):
    if packet.haslayer('TCP'):
        print(packet.summary())

sniff(prn=packet_callback, count=10)

Salin selepas log masuk

通过调用sniff函数并传入一个回调函数，我们可以捕获指定数量的网络数据包，并对其进行处理。在上述代码中，我们只打印了TCP层的数据包摘要信息，具体的处理逻辑可以根据实际需求进行修改。

dpkt
dpkt是另一个强大的Python网络数据包处理库，同样可以用于解析和处理网络数据包。与Scapy不同的是，dpkt主要专注于网络数据包的解析和读写操作。

同样需要先安装dpkt库，可以通过pip install dpkt进行安装。

下面是一个使用dpkt库进行网络流量监控的简单示例代码：

import pcap
import dpkt

def packet_callback(pkt):
    eth = dpkt.ethernet.Ethernet(pkt)
    if eth.type == dpkt.ethernet.ETH_TYPE_IP:
        ip = eth.data
        if ip.p == dpkt.ip.IP_PROTO_TCP:
            tcp = ip.data
            print(tcp)

pc = pcap.pcap()
pc.setfilter('tcp')
pc.loop(packet_callback)

Salin selepas log masuk

通过调用loop

Berikut ialah contoh kod mudah untuk pemantauan trafik rangkaian menggunakan perpustakaan Scapy:

from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression

# 加载数据
X, y = datasets.load_iris(return_X_y=True)

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 构建模型
model = LogisticRegression()

# 训练模型
model.fit(X_train, y_train)

# 预测
y_pred = model.predict(X_test)

Salin selepas log masuk

Dengan memanggil fungsi sniff dan menghantar fungsi panggil balik, kami boleh menangkap bilangan paket rangkaian dan Memprosesnya. Dalam kod di atas, kami hanya mencetak maklumat ringkasan paket lapisan TCP, dan logik pemprosesan khusus boleh diubah suai mengikut keperluan sebenar.

dpkt

pip install dpkt

Berikut ialah contoh kod ringkas menggunakan perpustakaan dpkt untuk pemantauan trafik rangkaian:

import tensorflow as tf

# 构建模型
model = tf.keras.models.Sequential([
    tf.keras.layers.Dense(units=64, activation='relu', input_shape=(4,)),
    tf.keras.layers.Dense(units=64, activation='relu'),
    tf.keras.layers.Dense(units=3, activation='softmax')
])

# 编译模型
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

# 训练模型
history = model.fit(X_train, y_train, epochs=10, validation_data=(X_test, y_test))

# 预测
y_pred = model.predict(X_test)

Salin selepas log masuk

gelung

Untuk pengesanan pencerobohan, terdapat dua kaedah asas:

Pengesanan pencerobohan berasaskan peraturan (ID berasaskan peraturan)
Pengesanan pencerobohan berasaskan peraturan merujuk kepada mentakrifkan satu siri peraturan untuk menganalisis dan memadankan trafik rangkaian pencerobohan. Kelebihan kaedah ini ialah ia mudah dan mudah untuk dilaksanakan. Kelemahannya ialah ia mempunyai had yang besar dan hanya dapat mengesan corak serangan yang diketahui.

Pengesanan pencerobohan berasaskan pembelajaran mesin merujuk kepada latihan dan pembelajaran trafik rangkaian serta menggunakan algoritma pembelajaran mesin untuk membina model bagi menentukan sama ada terdapat pencerobohan. Kelebihan kaedah ini ialah ia dapat mengesan corak serangan yang tidak diketahui dengan ketepatan yang tinggi. Kelemahannya ialah ia memerlukan sejumlah besar data latihan dan sumber pengkomputeran.

4. Alat pengesan pencerobohan Python
Python menyediakan beberapa alatan dan perpustakaan untuk pengesanan pencerobohan. Perpustakaan yang paling biasa digunakan ialah Scikit-learn dan Tensorflow.

Scikit-learn

Berikut ialah contoh kod mudah untuk pengesanan pencerobohan menggunakan perpustakaan Scikit-learn:
rrreee

Atas ialah kandungan terperinci Cara melakukan pemantauan trafik rangkaian dan pengesanan pencerobohan melalui Python. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!