# SentriX IDS

**Repository Path**: mindsynt/c4-sdnids

## Basic Information

- **Project Name**: SentriX IDS
- **Description**: 灵枢IDS，基于SDN网络构建的深度学习流量可视化分析入侵检测系统
- **Primary Language**: Python
- **License**: MulanPSL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 4
- **Created**: 2025-07-22
- **Last Updated**: 2025-07-22

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 灵枢IDS - 深度学习轻量级入侵检测系统

## 项目简介

灵枢IDS是一个基于深度学习的轻量级入侵检测系统，集成了先进的机器学习算法、AI智能分析和实时网络监控功能。系统采用现代化的Web界面，提供高效、精准的网络威胁检测和智能化的安全分析能力，特别适用于中小型网络环境的实时安全防护。

## 系统特点

### 核心技术
- **深度学习**: 基于深度神经网络的智能威胁检测
- **轻量级架构**: 优化的算法设计，低资源消耗
- **机器学习**: 集成随机森林、SVM等多种算法
- **AI分析**: 集成DeepSeek API进行智能安全分析
- **实时监控**: 毫秒级的网络流量监控和分析

### 数据处理
- **CICIDS2017支持**: 完整支持CICIDS2017数据集
- **深度特征学习**: 自动学习网络流量深层特征
- **智能数据预处理**: 自动数据清洗、标准化和增强
- **跨平台兼容**: 支持Windows、Linux、Mac系统
- **轻量级存储**: 优化的数据存储格式，减少磁盘占用

### 用户界面
- **现代化设计**: 基于Vue.js的响应式Web界面
- **实时可视化**: 动态图表和实时数据更新
- **系统监控**: 集成CPU、内存、网络使用监控
- **交互式分析**: 支持AI对话和智能分析

### 安全功能
- **深度学习检测**: 基于深度神经网络的精准攻击识别
- **轻量级响应**: 快速、低延迟的威胁响应机制
- **智能威胁分析**: AI驱动的威胁情报分析和预测
- **自适应学习**: 持续学习新威胁模式，提升检测能力
- **完整审计**: 详细的攻击日志和安全事件记录

## 主要功能

### 1. 网络监控
- 实时流量监控和分析
- 网络拓扑可视化
- 设备负载监控
- 异常流量检测

### 2. 深度学习检测
- 基于深度神经网络的智能攻击识别
- 支持DDoS、SQL注入、XSS等多种攻击类型
- 实时告警和智能通知
- 攻击模式分析和趋势预测
- 自适应模型更新和优化

### 3. AI分析
- 智能攻击事件分析
- 威胁情报集成
- 防护建议生成
- 自然语言交互

### 4. 系统管理
- 实时系统资源监控
- 性能指标统计
- 配置管理界面
- 日志查看和分析

## 技术架构

### 前端技术栈
- **Vue.js**: 现代化的前端框架
- **Element UI**: 组件库
- **ECharts**: 数据可视化
- **WebSocket**: 实时通信

### 后端技术栈
- **Python**: 主要开发语言
- **Flask**: 轻量级Web框架
- **TensorFlow/PyTorch**: 深度学习框架
- **Scikit-learn**: 机器学习库
- **NumPy/Pandas**: 数据处理库

### 数据存储
- **CSV**: 数据集存储
- **JSON**: 配置和日志
- **HDF5**: 高效模型存储
- **Redis**: 高性能缓存
- **SQLite**: 轻量级数据库

## 系统要求

### 推荐环境
- **操作系统**: Ubuntu 20.04 LTS
- **Python版本**: 3.8+
- **Node.js版本**: 14+
- **内存要求**: 4GB RAM
- **存储空间**: 至少10GB可用空间
- **GPU**: NVIDIA GPU (可选，用于加速深度学习)

### 最低要求
- **操作系统**: Linux (Ubuntu 18.04+ / CentOS 7+)
- **Python版本**: 3.7+
- **Node.js版本**: 12+
- **内存要求**: 4GB RAM
- **存储空间**: 5GB可用空间
- **CPU**: 支持AVX指令集

## 快速开始

### 1. 环境准备
```bash
# 克隆项目
git clone https://gitee.com/RSTPEAK/c4-sdnids.git
cd c4-sdnids

# 安装Python依赖
pip install -r requirements-minimal.txt

# 安装Node.js依赖
cd c4-ui && npm install && cd ..
```

### 2. 配置DeepSeek API（必需）
```bash
# 编辑配置文件
vim ~/.bashrc

# 在文件末尾添加以下内容
export DEEPSEEK_API_KEY=your_api_key_here
export DEEPSEEK_BASE_URL=https://api.deepseek.com

# 保存并退出: 按 ESC，输入 :wq 回车
# 重新加载配置
source ~/.bashrc
```

### 3. 启动服务
**方式1: 使用启动脚本（推荐）**
```bash
chmod +x start.sh
./start.sh
```

**方式2: 手动启动**
```bash
# 终端1 - 启动后端
cd c4-system/APILayer
python app.py

# 终端2 - 启动前端
cd c4-ui
npm start
```

### 4. 访问系统
- **前端界面**: http://localhost:3000
- **API接口**: http://localhost:5000

## 项目结构

```
c4-sdnids/
├── c4-ui/                    # 前端界面
│   ├── src/
│   │   ├── views/           # 页面组件
│   │   ├── api/             # API接口
│   │   └── assets/          # 静态资源
│   └── package.json
├── c4-system/               # 后端系统
│   ├── APILayer/            # API服务层
│   │   ├── app.py           # Flask应用
│   │   ├── ai_analyzer.py   # AI分析服务
│   │   └── system_monitor.py # 系统监控
│   ├── ControlLayer/        # 控制层
│   │   ├── controller.py    # 深度学习控制器
│   │   ├── train_model.py   # 模型训练
│   │   ├── deep_learning.py # 深度学习模型
│   │   └── cicids2017_processor.py # 数据处理
│   └── DataLayer/           # 数据层
│       └── CreateNetwork.py # 网络创建
├── IDS2017CSV/              # CICIDS2017数据集
├── models/                  # 深度学习模型
├── requirements.txt          # Python依赖
├── requirements-minimal.txt  # 最小化依赖
├── 系统运行文档.md           # 详细运行文档
└── README.md                # 项目说明
```

## 功能模块

### 1. 数据层 (DataLayer)
- 网络流量数据收集
- 实时数据预处理和清洗
- 特征工程和数据增强

### 2. 控制层 (ControlLayer)
- 深度学习模型管理
- 智能攻击检测算法
- 模型训练和优化
- 自适应学习机制

### 3. API层 (APILayer)
- RESTful API接口
- AI智能分析服务
- 实时系统监控服务
- 轻量级数据处理

### 4. 前端层 (c4-ui)
- 现代化Web用户界面
- 实时数据可视化
- 智能告警和通知
- 交互式安全分析

## 系统要求

### 推荐环境
- **操作系统**: Ubuntu 20.04 LTS
- **Python版本**: 3.8+
- **Node.js版本**: 14+
- **内存要求**: 4GB RAM
- **存储空间**: 至少10GB可用空间
- **GPU**: NVIDIA GPU (可选，用于加速深度学习)

### 最低要求
- **操作系统**: Linux (Ubuntu 18.04+ / CentOS 7+)
- **Python版本**: 3.7+
- **Node.js版本**: 12+
- **内存要求**: 4GB RAM
- **存储空间**: 5GB可用空间
- **CPU**: 支持AVX指令集

## 环境配置

### 1. 系统环境准备
```bash
# 更新系统包
sudo apt update && sudo apt upgrade -y

# 安装基础依赖
sudo apt install -y python3 python3-pip python3-venv nodejs npm git curl wget

# 安装Python开发工具
sudo apt install -y python3-dev build-essential

# 安装网络工具
sudo apt install -y net-tools iproute2

# 安装SDN相关工具
sudo apt install -y openvswitch-switch openvswitch-common
pip3 install ryu
```

### 2. DeepSeek API配置（必需）
```bash
# 编辑配置文件
vim ~/.bashrc

# 在文件末尾添加以下内容
export DEEPSEEK_API_KEY=your_api_key_here
export DEEPSEEK_BASE_URL=https://api.deepseek.com

# 保存并退出: 按 ESC，输入 :wq 回车
# 重新加载配置
source ~/.bashrc
```

### 3. 系统环境变量
```bash
# 设置系统变量
export FLASK_ENV=development
export FLASK_DEBUG=1
export PYTHONPATH=$PYTHONPATH:$(pwd)/c4-system
```

### 4. 数据集配置
- 支持CICIDS2017数据集
- 自动检测IDS2017CSV目录
- 支持自定义数据集格式
- 深度学习数据增强
- 自动特征选择和优化

## 常用命令

### SDN网络管理
```bash
# Open vSwitch管理
sudo systemctl start openvswitch-switch
sudo ovs-vsctl show
sudo ovs-vsctl add-br br0
sudo ovs-vsctl add-port br0 eth0

# Ryu控制器
pip3 install ryu
ryu-manager --verbose controller.py
pkill -f ryu-manager
```

### 系统管理
```bash
# 进程管理
ps aux | grep python
pkill -f app.py
netstat -tulpn | grep :5000

# 日志查看
tail -f logs/system.log
tail -f logs/api.log

# 权限修复
sudo chown -R $USER:$USER c4-sdnids/
chmod -R 755 c4-sdnids/
```

### 防火墙配置
```bash
# Ubuntu/Debian
sudo ufw enable
sudo ufw allow 22
sudo ufw allow 3000
sudo ufw allow 5000

# CentOS/RHEL
sudo systemctl start firewalld
sudo firewall-cmd --permanent --add-port=22/tcp
sudo firewall-cmd --permanent --add-port=3000/tcp
sudo firewall-cmd --permanent --add-port=5000/tcp
sudo firewall-cmd --reload
```

## 开发指南

### 代码规范
- 遵循PEP 8 Python代码规范
- 使用ESLint进行前端代码检查
- 添加适当的注释和文档

### 测试
```bash
# 运行Python测试
python -m pytest tests/

# 运行前端测试
cd c4-ui && npm test
```

### 贡献指南
1. Fork项目
2. 创建功能分支
3. 提交代码更改
4. 创建Pull Request

## 许可证

本项目采用MIT许可证，详见LICENSE文件。

## 联系方式

- **项目地址**: https://gitee.com/RSTPEAK/c4-sdnids
- **问题反馈**: 1948772900@qq.com
- **技术支持**: JCUTSEC

## 更新日志

### v1.0.0 (2025-07)
- 灵枢IDS初始版本发布
- 深度学习轻量级架构
- 智能AI分析集成
- 实时系统监控功能
- CICIDS2017数据集支持
- 自适应学习机制

---

**项目维护者**: JCUTSEC  
**最后更新**: 2025年7月  
**项目状态**: 活跃开发中