Malcolm项目中的NetBox设备自动发现与日志标记机制解析
2025-07-04 20:31:27作者:傅爽业Veleda
背景与需求分析
在网络安全监控领域,资产发现与持续跟踪是基础性工作。Malcolm作为一款网络流量分析平台,通过与NetBox资产管理系统集成,实现了基于被动流量分析的设备自动发现功能。但在实际运营中发现,新设备首次出现的网络日志缺乏有效标记,导致安全团队难以快速识别和响应新接入设备。
技术实现方案
核心字段设计
项目团队设计了以下两组关键字段来标识设备状态:
-
未编目设备标识字段
source.device.uninventorieddestination.device.uninventoriedrelated.uninventoried
-
新发现设备标识字段
source.device.discovereddestination.device.discoveredrelated.discovered
字段语义定义
- uninventoried:表示日志中涉及的私有IP地址未在NetBox库存中找到对应记录
- discovered:特指导致新设备被自动添加到库存的那条日志记录
状态转换逻辑
-
当系统检测到私有IP地址时:
- 首先查询NetBox库存
- 若无记录,则标记为
uninventoried - 若启用自动填充,则将该日志同时标记为
discovered
-
后续流量处理:
- 已编目设备:不设置任何特殊标记
- 未编目设备:持续标记
uninventoried(无论自动填充是否启用)
系统集成与应用
仪表板增强
- 在"Asset Interaction Analysis"和"Zeek Known Summary"仪表板中新增了未编目设备可视化
- 优化了设备发现事件的展示方式
告警与评分集成
- 新发现事件可作为告警触发条件
- 纳入事件严重性评分体系,提高新设备连接的监控优先级
设计考量与最佳实践
自动填充开关的影响
- 启用时:同时提供
uninventoried和discovered标记 - 禁用时:仅提供
uninventoried标记
运维建议
- 生产环境中建议启用自动填充功能,以获得完整的设备发现跟踪能力
- 对于严格管控环境,可禁用自动填充,仅使用未编目标记进行监控
- 建议将discovered事件纳入日常巡检项目
技术价值
该实现方案具有以下技术优势:
- 精确识别设备首次出现时刻
- 提供持续的设备编目状态跟踪
- 灵活的配置选项适应不同安全策略
- 为自动化运维提供结构化数据支持
这套机制显著提升了Malcolm在资产发现和网络变更监控方面的能力,为安全团队提供了更全面的网络可见性。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
Python开发者的macOS终极指南:VSCode安装配置全攻略 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 STM32到GD32项目移植完全指南:从兼容性到实战技巧 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
680
160
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
Ascend Extension for PyTorch
Python
229
259
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660