Nfstream本质上来说是一款Python包，它可以提供快速、灵活且有效的数据结构，支持针对在线或离线状态的网络数据进行分析，这种方式既简单又直观。在Nfstream的帮助下，广大研究人员可以直接在自己的Python代码中集成数据分析功能，并对真实场景下的实际网络数据进行分析。除此之外，Nfstream目前仍处于开发阶段，该项目将会为研究人员提供各种实验数据复现功能，并成为一款通用的网络数据处理与分析框架。

功能介绍

1、性能：Nfstream的运行速度非常快（集成pypy3后，速度将会快10倍），而且对CPU和内存的需求并不大；

2、七层可见度：Nfstream深度数据包检测引擎基于nDPI实现，它允许Nfstream执行可靠的加密应用识别与元数据提取（例如TLS, QUIC, TOR, HTTP, SSH, DNS）；

3、灵活性：引入NFPlugin插件概念，便于实现功能扩展；

4、机器学习：支持以NFPlugin的形式添加训练模型；

工具依赖

广大研究人员可以运行下列命令来完成NFPlugin依赖组件的配置：

apt-get install libpcap-dev

工具下载

使用pip安装

如果你习惯使用pip的话，你可以直接使用pip3命令安装本项目的最新版本：

pip3 install nfstream

源码构建

广大研究人员也可以使用下列命令将项目源码克隆至本地：

git clone https://github.com/aouinizied/nfstream.git

工具使用

当你在处理一个非常大的pcap文件时，如果你只想将其聚合为网络流，那么你只需要实现下列几行代码，剩下的就可以交给Nfstream来完成了：

from nfstream import NFStreamer
       my_awesome_streamer = NFStreamer(source="facebook.pcap") # or network interface (source="eth0")
       for flow in my_awesome_streamer:
           print(flow)  # print it, append to pandas Dataframe or whatever you want  !
    NFEntry(
            id=0,
            first_seen=1472393122365,
            last_seen=1472393123665,
            version=4,
            src_port=52066,
            dst_port=443,
            protocol=6,
            vlan_id=0,
            src_ip='192.168.43.18',
            dst_ip='66.220.156.68',
            total_packets=19,
            total_bytes=5745,
            duration=1300,
            src2dst_packets=9,
            src2dst_bytes=1345,
            dst2src_packets=10,
            dst2src_bytes=4400,
            expiration_id=0,
            master_protocol=91,
            app_protocol=119,
            application_name='TLS.Facebook',
            category_name='SocialNetwork',
            client_info='facebook.com',
            server_info='*.facebook.com',
            j3a_client='bfcc1a3891601edb4f137ab7ab25b840',
            j3a_server='2d1e***17ece335c24904f516ad5da12'
    )

将pcap转换为Pandas DataFrame：

import pandas as pd	
    streamer_awesome = NFStreamer(source='devil.pcap')
    data = []
    for flow in streamer_awesome:
       data.append(flow.to_namedtuple())
    my_df = pd.DataFrame(data=data)
    my_df.head(5) # Enjoy!

如果你没找到特定的数据流功能，你可以通过几行代码来向Nfstream增加插件：

from nfstream import NFPlugin
    class my_awesome_plugin(NFPlugin):
        def on_update(self, obs, entry):
            if obs.length >= 666:
                entry.my_awesome_plugin += 1
    streamer_awesome = NFStreamer(source='devil.pcap', plugins=[my_awesome_plugin()])
    for flow in streamer_awesome:
       print(flow.my_awesome_plugin) # see your dynamically created metric in generated flows

更多详细的使用方法，请参考Nfstream的官方文档：【点我获取】

项目地址

NFPlugin：【GitHub传送门】

* 参考来源：aouinizied，FB小编Alpha_h4ck编译，转载请注明来自FreeBuf.COM