【亲测免费】 Arkime 开源项目教程
1. 项目介绍
Arkime(原名 Moloch)是一个开源的、大规模的、全包捕获、索引和数据库系统。它旨在增强现有的安全基础设施,以存储和索引网络流量,并提供快速、索引访问。Arkime 提供了一个直观的、简单的 Web 界面,用于 PCAP 浏览、搜索和导出。它还提供了 API,允许直接下载和消费 PCAP 数据和 JSON 格式的会话数据。
Arkime 的核心组件包括:
- Capture:一个线程化的 C 应用程序,监控网络流量,将 PCAP 格式的文件写入磁盘,解析捕获的数据包,并将元数据(SPI 数据)发送到 Elasticsearch。
- Viewer:一个 Node.js 应用程序,运行在每个捕获机器上,处理 Web 界面和 PCAP 文件的传输。
- Elasticsearch:搜索数据库技术,为 Arkime 提供支持。
2. 项目快速启动
2.1 环境准备
在开始之前,确保你的系统已经安装了以下依赖:
- Node.js(版本 20.x)
- Git
2.2 下载和安装
-
克隆 Arkime 仓库:
git clone https://github.com/arkime/arkime.git cd arkime -
运行一键安装脚本:
./easybutton-build.sh --install -
配置 Arkime:
make config
2.3 启动 Arkime
-
启动 Capture 和 Viewer:
sudo /opt/arkime/bin/run_capture.sh sudo /opt/arkime/bin/run_viewer.sh -
访问 Arkime Web 界面: 打开浏览器,访问
http://localhost:8005。
3. 应用案例和最佳实践
3.1 网络流量分析
Arkime 可以用于大规模网络流量的捕获和分析。通过其强大的搜索和索引功能,安全团队可以快速识别和解决网络中的安全问题。例如,可以使用 Arkime 来监控和分析企业网络中的所有流量,以检测异常行为或潜在的攻击。
3.2 安全事件响应
在安全事件响应中,Arkime 可以帮助安全团队快速定位和分析与事件相关的网络流量。通过其直观的 Web 界面和强大的搜索功能,团队可以快速找到关键数据,并采取相应的措施。
3.3 合规性审计
Arkime 还可以用于合规性审计,帮助企业满足各种法规和标准的要求。通过捕获和存储所有网络流量,企业可以提供必要的审计日志,以证明其符合相关法规。
4. 典型生态项目
4.1 Elasticsearch
Arkime 依赖 Elasticsearch 作为其搜索和存储后端。Elasticsearch 是一个分布式的、RESTful 的搜索和分析引擎,能够处理大规模数据并提供快速搜索。
4.2 Zeek (Bro)
Zeek 是一个强大的网络分析框架,可以与 Arkime 结合使用,提供更深入的网络流量分析。Zeek 可以生成详细的日志,这些日志可以与 Arkime 的 PCAP 数据结合使用,提供更全面的网络视图。
4.3 Wireshark
Wireshark 是一个广泛使用的网络协议分析工具,可以与 Arkime 结合使用,提供更详细的包分析。Arkime 可以导出 PCAP 文件,这些文件可以直接在 Wireshark 中打开和分析。
通过这些生态项目的结合,Arkime 可以提供一个全面的网络流量分析解决方案,帮助企业更好地理解和保护其网络。
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 StartedRust0212
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 Notebook0137
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
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03