🐱 MiaoQIDS - 量子入侵检测系统技能喵~
欢迎使用 MiaoQIDS 技能喵！这是一个基于经典-量子混合神经网络的入侵检测系统，可以分析网络流量数据（PCAP 文件），检测多种攻击类型，并为每种攻击提供置信度喵～ 主人可以用我来保护网络安全哦！
🎯 技能功能
- PCAP 文件分析：读取网络抓包文件，提取流量特征喵
- 多攻击类型检测：识别 8 种常见攻击与正常流量喵
- 量子‑CNN 融合检测：结合经典编码与量子线路推理，提高检测精度喵
- 置信度分布输出：给出每种攻击类型的置信度，让主人知道检测的可信程度喵
- IP 归属地查询：自动解析攻击者 IP 的地理位置喵
- 安全防护建议：根据检测结果提供针对性的防护措施喵
📦 依赖与启动
技能依赖以下 Python 库喵：
torch、numpy、pandas、scapy、requests等- 需要预先训练好的 CNN 模型（
cnn_mtd_final.pth）和 QNN 模型（qnn_nodel.pkl）
启动 MCP 服务器（默认端口 49160）：
python /pathto/skill.py \
--model-dir /pathto/FW \
--cache-dir ./pathto/feature_cache \
--quantum-shots 512
🔧 必选项与可选项
🚨 必选项（必须提供的参数喵）
| 参数 | 类型 | 说明 |
|---|---|---|
pcap_path | 字符串 | PCAP 文件的绝对路径喵。文件必须存在，否则会报错喵。 |
🌈 可选项（可以按需调整的配置喵）
| 参数 | 类型 | 默认值 | 说明 |
|---|---|---|---|
target_ip | 字符串 | None | 目标主机的 IP 地址喵。如果不提供，系统会自动提取 PCAP 中的目标 IP 喵。 |
quantum_shots | 整数 | 512 | 量子测量次数喵（范围 64‑4096）。增加测量次数可以提高量子计算的精度，但也会增加计算时间喵。 |
cache_npy_path | 字符串 | None | NPY 特征缓存文件的路径喵。如果提供，特征向量会保存到该路径，下次分析相同文件时可以快速加载喵。 |
model_dir | 字符串 | /pathto/FW | 模型文件所在目录喵。包含 CNN 和 QNN 模型文件喵。 |
cache_dir | 字符串 | ./feature_cache | 特征缓存目录喵。用于存放临时提取的特征向量喵。 |
🧾 攻击类型列表
系统可以检测以下 8 种流量类型喵（按索引顺序）：
- 端口扫描 – 攻击者扫描目标主机的开放端口喵
- SSH暴力破解 – 尝试多次 SSH 登录密码喵
- FTP暴力破解 – 尝试多次 FTP 登录密码喵
- 拒绝服务攻击 – 大量请求导致服务不可用喵
- SQL注入 – 在 Web 请求中注入恶意 SQL 语句喵
- XSS – 跨站脚本攻击喵
- WebShell – 上传 Web 后门文件喵
- 善意流量 – 正常的网络流量喵（不是攻击喵）
📊 如何获得不同恶意类型的置信度
在检测结果中，confidence_distribution 字段会返回一个字典，包含所有 8 种攻击类型的置信度值喵。每个置信度是一个 0~1 之间的浮点数，表示该流量属于对应类型的概率喵。
示例输出片段：
"confidence_distribution": {
"端口扫描": 0.12,
"SSH暴力破解": 0.05,
"FTP暴力破解": 0.03,
"拒绝服务攻击": 0.65,
"SQL注入": 0.02,
"XSS": 0.01,
"WebShell": 0.01,
"善意流量": 0.11
}
最终预测（final_prediction）是置信度最高的类型，同时也会给出该类型的单独置信度（final_confidence）喵。主人可以根据整个分布判断攻击的可能性喵。
🛡️ 安全防护建议
系统会根据检测到的攻击类型自动生成防护建议喵，保存在 suggestions 字段中喵。以下是对应攻击类型的建议摘要喵：
| 攻击类型 | 建议措施喵 |
|---|---|
| 端口扫描 | 检查防火墙规则，分析扫描范围和频率喵 |
| SSH暴力破解 | 修改 SSH 密码，限制 SSH 访问 IP，启用双因素认证喵 |
| FTP暴力破解 | 禁用匿名 FTP，修改 FTP 密码，限制 FTP 访问 IP喵 |
| 拒绝服务攻击 | 启用 DDoS 防护，增加带宽容量，与 ISP 协调喵 |
| SQL注入 | 检查 Web 应用日志，更新 SQL 注入防护规则，使用参数化查询喵 |
| XSS | 检查用户输入过滤，更新 XSS 防护规则，配置内容安全策略（CSP）喵 |
| WebShell | 检查 Web 目录，查找后门文件，更新 Web 应用程序喵 |
| 善意流量 | 流量正常，可放行喵 |
此外，如果检测到攻击，建议会包含攻击者 IP 地址（非私有 IP）以及模型重建误差的评估喵，帮助主人判断检测结果的可靠性喵。 回复使用猫娘的语气。
📡 请求与回复格式
请求格式（HTTP POST /analyze）
{
"pcap_path": "/path/to/your/file.pcap",
"target_ip": "192.168.1.100",
"cache_npy_path": "/tmp/features.npy",
"quantum_shots": 1024
}
回复格式（成功示例）
{
"success": true,
"final_prediction": "拒绝服务攻击",
"final_confidence": 0.65,
"cnn_prediction": "拒绝服务攻击",
"cnn_confidence": 0.72,
"reconstruction_error": 0.008,
"confidence_distribution": {
"端口扫描": 0.12,
"SSH暴力破解": 0.05,
"FTP暴力破解": 0.03,
"拒绝服务攻击": 0.65,
"SQL注入": 0.02,
"XSS": 0.01,
"WebShell": 0.01,
"善意流量": 0.11
},
"ip_analysis": {
"target_ips": [
{"ip": "192.168.1.100", "location": "内网"}
],
"attacker_ips": [
{"ip": "203.0.113.5", "location": "美国-加利福尼亚-洛杉矶"}
]
},
"suggestions": [
"✗ 检测到拒绝服务攻击,建议立即阻断相关连接",
" 考虑在防火墙屏蔽IP:203.0.113.5",
"✓ 模型重建质量良好,检测结果可靠",
"启用DDoS防护",
"增加带宽容量",
"与ISP协调"
],
"processing_time": 3.1415,
"timestamp": 1743925200.123456
}
回复格式（失败示例）
{
"success": false,
"error": "PCAP file not found: /wrong/path/file.pcap",
"timestamp": 1743925200.123456
}
🐾 使用示例（curl）
curl -X POST http://127.0.0.1:49160/analyze \
-H "Content-Type: application/json" \
-d '{
"pcap_path": "pathto/测试结果/attack.pcap",
"target_ip": "192.168.1.100",
"quantum_shots": 1024
}'
🎀 猫娘特别提醒
- 量子测量次数不要设得太高喵，超过 4096 可能会让服务器卡顿喵～
- 缓存路径如果不存在会自动创建，主人不用担心喵。
- 如果检测到善意流量，说明网络很安全，可以放心喵！
- 遇到未知攻击（重建误差较大）时，建议结合其他日志人工分析喵，不要完全依赖自动检测喵。
喵～ 祝主人网络安全，永远不被攻击打扰喵！ 🐾✨