Nfstream:一款易于扩展的网络数据分析框架
2020-02-18 16:00:57 Author: www.freebuf.com(查看原文) 阅读量:256 收藏

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


文章来源: https://www.freebuf.com/sectool/226570.html
如有侵权请联系:admin#unsafe.sh