Détecte les attaques dans les journaux d'application à l'aide du clustering DBSCAN, de l'ACP et d'une analyse par LLM local.
Regroupe les journaux HTTP et système par ACP et DBSCAN, puis analyse les valeurs aberrantes avec des LLM Ollama locaux.
Webhawk (Catch 3.0) est un outil de sécurité open source qui identifie les traces d'attaques dans les journaux de serveurs web et de systèmes sans règles pré-écrites. Il applique le machine learning non supervisé pour regrouper les entrées de journaux, signalant les activités anormales pour un examen automatisé par LLM. Les analystes SOC et les équipes de conformité peuvent l'utiliser pour faire surface des menaces cachées sur l'ensemble des points de terminaison.
Le moteur convertit les journaux bruts en caractéristiques numériques via l'ACP et applique le clustering par densité DBSCAN pour isoler les valeurs aberrantes. Les journaux anormaux sont transmis à un LLM local s'exécutant via Ollama pour générer des descriptions d'incidents et recouper les CVE connues. Les détections sont diffusées directement vers une interface web ou s'intègrent aux environnements SIEM existants via une API REST.
Il convient aux analystes de sécurité, aux intervenants en cas d'incident et aux équipes GRC cherchant à détecter des modèles d'attaques zero-day dans les journaux Apache, Nginx ou de processus. Il ne convient pas aux équipes non techniques ou aux environnements dépourvus de ressources de calcul dédiées pour les modèles d'IA self-host.
Regroupe les entrées de journaux de routine par densité de caractéristiques et signale les valeurs aberrantes comme des attaques potentielles sans règles de signature.
Achemine les anomalies détectées vers les modèles Ollama pour générer des résumés d'incidents contextuels et des conseils.
Interroge la base de données NVD pour corréler les anomalies de journaux détectées avec les vulnérabilités de sécurité publiées.
Fournit un agent Python pour lire les fichiers journaux d'accès locaux et les envoyer au moteur de détection central.
Webhawk est gratuit et open source sous licence MIT. Le coût principal provient de la fourniture du matériel serveur requis pour héberger la stack Docker et exécuter des LLM locaux.
879 missions ouvertes à distance en entraînement d’IA, mises à jour le 16 novembre 2026 ; la plupart paient $20–$175 de l’heure. 8 d’entre elles demandent des francophones. Zekai les liste gratuitement ; la candidature se fait sur la plateforme de l’employeur.
Ces outils IA évalués font le même travail instantanément — depuis notre annuaire noté.
Il inclut des modèles regex d'analyse intégrés pour les journaux d'accès Apache, les journaux d'accès Nginx, les journaux HTTP et les détails des processus du système d'exploitation.
Non, les configurations par défaut acheminent l'analyse des journaux vers une instance Ollama self-host exécutant des modèles locaux tels que Granite4.
Voir Zekai en premier dans Google