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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01