KI-Tools, bewertet für deinen Beruf
Bezahlte KI-Jobs
🤝 Du bist in der Frei-&-Open-Source-Bibliothek — von der Community entwickelte Tools, die du kostenlos nutzen kannst. Ein anderes Konzept als unser bewertetes KI-Verzeichnis.
Start › Frei & Open Source › Compliance › Intrusion-and-anomaly-detection-with-machine-learning
✦ Frei & Open SourceCompliance

Intrusion-and-anomaly-detection-with-machine-learning

Erkennt Angriffe in Anwendungsprotokollen mithilfe von DBSCAN-Clustering, PCA und lokaler LLM-Analyse.

Unüberwachte KI-Log-Anomalieerkennung und Vorfallanalyse

Clustern Sie HTTP- und Systemprotokolle mittels PCA und DBSCAN, und analysieren Sie Ausreißer anschließend mit lokalen Ollama-LLMs.

Für immer kostenlos · Open Source · MIT
✓ Needs IT✓ Im Browser✓ Echtzeit-Zusammenarbeit
6.6
ZEKAI
Unüberwachte KI-Log-Sicherheit
Frei & Open Source · Compliance
Einfache Einrichtung4
Nützlichkeit8
Wartung9.5
Community5
★ 175
GITHUB
Oct 2026
AKTUALISIERT
MIT
LIZENZ
🛠 Keine Lust auf Self-Hosting? Wir richten es ein →
⚡ Schnelle Antwort

Webhawk (Catch 3.0) ist ein Open-Source-Sicherheits-Tool, das Angriffsspuren in Webserver- und Systemprotokollen ohne vorgefertigte Regeln identifiziert. Es verwendet unüberwachtes maschinelles Lernen, um Protokolleinträge zu clustern, und markiert anomalen Aktivitätsstatus für eine automatisierte LLM-Überprüfung. SOC-Analysten und Compliance-Teams können damit verborgene Bedrohungen über Endpunkte hinweg aufdecken.

Läuft auf
Web
Hosting
Self-host
Sprachen
Ruby
Lizenz
MIT

Was es ist

Die Engine konvertiert Rohprotokolle über PCA in numerische Merkmale und wendet DBSCAN-Dichteschlieren an, um Ausreißer zu isolieren. Anomale Protokolle werden an ein lokales LLM weitergeleitet, das über Ollama läuft, um Vorfallbeschreibungen zu generieren und bekannte CVEs abzugleichen. Erkennungen werden direkt in eine Web-Oberfläche gestreamt oder über eine REST-API in bestehende SIEM-Umgebungen integriert.

Für wen

Es eignet sich für Sicherheitsanalysten, Incident Responder und GRC-Teams, die Zero-Day-Angriffsmuster in Apache-, Nginx- oder Prozessprotokollen erkennen möchten. Es ist nicht geeignet für nicht-technische Teams oder Umgebungen ohne dedizierte Rechenleistung für selbst gehostete KI-Modelle.

Wichtige Funktionen

Unüberwachtes DBSCAN-Clustering

Gruppiert routinemäßige Protokolleinträge nach Merkmalsdichte und markiert Ausreißer als potenzielle Angriffe ohne Signaturregeln.

Lokale LLM-Analyse

Leitet erkannte Anomalien an Ollama-Modelle weiter, um kontextbezogene Vorfallzusammenfassungen und Ratschläge zu generieren.

Automatisierte CVE-Zuordnung

Fragt die NVD-Datenbank ab, um erkannte Log-Anomalien mit veröffentlichten Sicherheitslücken zu korrelieren.

Endpunkt-Log-Kollektor

Stellt einen Python-Agenten bereit, um lokale Zugriffsprotokolldateien zu lesen und an die zentrale Erkennungs-Engine zu senden.

Erste Schritte

Startklar in 3 Schritten

1
Klonen Sie das Repository und kopieren Sie die Einstellungs-Template-Dateien für die Engine, den Agenten und die Webanwendung.
2
Starten Sie die Erkennungs-API, die Web-UI und die Ollama-Modell-Dienste mit Docker Compose.
3
Deployen Sie den Python-Log-Agenten auf Zielendpunkten oder führen Sie das Catch-Skript gegen statische Protokolldateien aus.
Klartext

Unser ehrliches Fazit

Stärken

  • Identifiziert neuartige Angriffsmuster, ohne dass vorkonfigurierte Signaturregeln erforderlich sind.
  • Läuft vollständig auf Ihrer Infrastruktur mit lokalen Ollama-Modellen zum Schutz der Protokolldatenschutz.
  • Kombiniert PCA-Merkmals extraktion mit konfigurierbarer DBSCAN-Hyperparameter-Abstimmung.
  • Integriert sich in bestehende SOC-Setups über integrierte REST-API-Endpunkte.

Schwächen

  • Erfordert Serverressourcen zum Hosten von Docker-Containern und Ausführen lokaler LLM-Inferenz.
  • Python-Agenten müssen manuell auf jedem überwachten Endpunkt installiert und konfiguriert werden.
  • Die Konfiguration von DBSCAN-Distanzmetriken erfordert statistische Vorkenntnisse oder Kenntnisse im maschinellen Lernen, um die Rate falscher Positivmeldungen zu kontrollieren.
Kosten

Preise & Lizenz

Webhawk ist kostenlos und Open Source unter der MIT-Lizenz. Die Hauptkosten entstehen durch die Bereitstellung der Server-Hardware, die für das Hosting des Docker-Stacks und den Betrieb der lokalen LLMs erforderlich ist.

Bezahlte Arbeit

Stellen für Deutschsprachige

877 offene Remote-Stellen im KI-Training, aktualisiert am 16. November 2026; die meisten zahlen $20–$175 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.

Alle offenen Stellen ansehen →
Vergleich

Alternativen

🎁 Freie & Open-Source-Alternativen

Diese bewerteten KI-Tools erledigen die Aufgabe sofort — aus unserem bewerteten Verzeichnis.

Mehr

Nutze es, oder lass es uns einrichten

📄 Kostenloses PDF: Intrusion-and-anomaly-detection-with-machine-learning für Compliance
Ein verständlicher Leitfaden für dein erstes Ergebnis. Direkt in dein Postfach.
🔔 64 Personen wünschen sich ein komplettes Video-Tutorial — stimme ab
🛠 Keine Lust auf eigene Einrichtung?
Wir installieren, hosten & konfigurieren Intrusion-and-anomaly-detection-with-machine-learning für dich — und schulen dein Team.
Erledigen lassen ↗
Fragen

FAQ

Welche Log-Formate unterstützt Webhawk von Haus aus?

Es enthält integrierte Regex-Muster zum Parsen von Apache-Zugriffsprotokollen, Nginx-Zugriffsprotokollen, HTTP-Protokollen und Betriebssystem-Prozessdetails.

Sendet Webhawk Protokolldaten an externe Cloud-APIs?

Nein, Standardkonfigurationen leiten die Log-Analyse an eine selbst gehostete Ollama-Instanz weiter, die lokale Modelle wie Granite4 ausführt.

Radar

Neueste KI-News

✉️ Das wöchentliche kostenlose Toolkit
Die besten neuen freien & Open-Source-Tools für Compliance — eine kurze E-Mail pro Woche, in deiner Sprache.
Kostenlos · 1 E-Mail/Woche · jederzeit abbestellbar
Mit KI-Training Geld verdienen →

Zekai zuerst in Google sehen