WatchAD2.0 开源项目使用教程
1. 项目的目录结构及介绍
WatchAD2.0 项目的目录结构如下:
WatchAD2.0/
├── agent/
│ ├── config/
│ ├── logs/
│ ├── scripts/
│ └── main.py
├── engine/
│ ├── config/
│ ├── rules/
│ ├── logs/
│ └── main.py
├── web/
│ ├── config/
│ ├── static/
│ ├── templates/
│ └── main.py
├── database/
│ ├── config/
│ ├── data/
│ └── main.py
├── config/
│ ├── global.conf
│ └── logging.conf
├── README.md
└── setup.py
目录介绍
-
agent/: 包含日志收集Agent的相关文件。config/: 配置文件目录。logs/: 日志文件目录。scripts/: 脚本文件目录。main.py: Agent的启动文件。
-
engine/: 包含规则检测及分析引擎的相关文件。config/: 配置文件目录。rules/: 规则文件目录。logs/: 日志文件目录。main.py: 引擎的启动文件。
-
web/: 包含Web控制端的相关文件。config/: 配置文件目录。static/: 静态文件目录。templates/: 模板文件目录。main.py: Web控制端的启动文件。
-
database/: 包含缓存数据库的相关文件。config/: 配置文件目录。data/: 数据文件目录。main.py: 数据库的启动文件。
-
config/: 包含全局配置文件。global.conf: 全局配置文件。logging.conf: 日志配置文件。
-
README.md: 项目说明文档。 -
setup.py: 项目安装脚本。
2. 项目的启动文件介绍
Agent 启动文件
agent/main.py 是Agent的启动文件,负责收集域控产生的事件日志和Kerberos流量,并将其发送到分析引擎。
引擎启动文件
engine/main.py 是规则检测及分析引擎的启动文件,负责接收Agent发送的数据,进行实时分析,并生成告警。
Web 控制端启动文件
web/main.py 是Web控制端的启动文件,负责提供用户界面,展示分析结果和告警信息。
数据库启动文件
database/main.py 是缓存数据库的启动文件,负责存储和管理分析引擎生成的数据。
3. 项目的配置文件介绍
全局配置文件
config/global.conf 是全局配置文件,包含项目的通用配置,如日志级别、数据库连接信息等。
日志配置文件
config/logging.conf 是日志配置文件,定义了日志的输出格式和存储位置。
Agent 配置文件
agent/config/agent.conf 是Agent的配置文件,包含Agent的运行参数,如日志收集路径、发送目标地址等。
引擎配置文件
engine/config/engine.conf 是引擎的配置文件,包含引擎的运行参数,如规则路径、告警输出方式等。
Web 控制端配置文件
web/config/web.conf 是Web控制端的配置文件,包含Web服务的运行参数,如端口号、模板路径等。
数据库配置文件
database/config/database.conf 是数据库的配置文件,包含数据库的连接参数,如数据库类型、连接字符串等。
以上是WatchAD2.0开源项目的使用教程,涵盖了项目的目录结构、启动文件和配置文件的详细介绍。希望对您有所帮助。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00