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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00