用Arduino做一个可视化网络威胁级别指示器!

威胁1

在当今世界,网络监控器是非常重要的。互联网是个可怕的地方。人们已经采取措施以提高警戒----他们安装了入侵检测系统(IDS)比如SNORT。

通过把可视化部分从电脑中移出来,我们想让它更容易去观察、一眼得知信息并让更多人看到。

这个可视威胁级别指示器(VTLI)需要一个网络连接&电源。它不需要直接依附于电脑,这样的话它可以被安置在有网络接入的任何地方。

让一个python脚本运行在连接Arduino的IDS上,便可以更新显示。

步骤1:零件

威胁2

 

你会需要如下零部件:

  • 一个IDS(入侵检测系统)运行SNORT  http://www.snort.org/
  • 一个Arduino Uno
  • 一个Arduino Ethernet Shield(以太网插板)
  • 一个Arduino Proto Shield(原型插板)
  • 10x 470Ω电阻
  • 10段LED条形图
  • 焊料,电线,电烙铁

步骤2:简短的介绍

威胁3

 

这个VTLI过程运行在IDS和Arduino上。

Arduino监听发来的连接并更新显示。

这个IDS机器运行一个python脚本,会查看过去24小时的snort日志并生成威胁等级。它通过网络连接到Arduino上,并更新显示。他应当设置一个合理的间隔,比如5分钟。

步骤3:Arduino程序

威胁4

 

你需要将以太网插板加到Arduino Uno, 记下MAC地址。在附的代码中改一下。也给以太网插板分配一个新的IP地址。

下载:vtli.ino 

步骤4:焊接原型板

威胁5

 

威胁6

 

你需要将LED 条形图焊在原型板上。

使用2-9pins分别跟前8个LED连接,14,15引脚给后两个。10-13引脚用来连接以太网插板。

你会在引脚和条形图之间使用限流电阻,470Ω就很棒了。

将LED的反侧接地。原型板左侧顶部的空间很给力。

把三个板子叠放成汉堡状~

步骤5:在IDS上的过程

威胁7

 

在IDS上,你要运行一个python脚本,可连接到Arduino上的监听器上。

运行一个计划任务,让其每5分钟立即更新。

确认要更改Arduino文件里的IP地址。

下载:vtli.py

步骤6:测试

威胁8

 

测试一下python处理过程可以连接到Arduino。确认将其指向Snort日志和Arduino。

步骤7:观察&调整 威胁9

 

现在一切都在运行,你可以调整maxAlerts 变量去适应你的环境,这样你就不会一直亏空。

现在你已经将你的IDS签名从屏幕上移到了真实的世界,希望可以让你的态势感知得到进步。同时你可以玩转Arduino!

感谢收看。--Joe

翻译自:http://www.instructables.com/id/Visual-Network-Threat-Level-Indicator/?ALLSTEPS

 

感谢阅读!

更多信息与我们交流

邮箱:katrina@wiznet.co.kr

WIZnet中文主页:http://www.iwiznet.cn

WIZnet企业微博:http://e.weibo.com/wiznet2012

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值