Skip to content

7-e1even/LFlow

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

2 Commits
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

LFlow - LLM驱动的流量安全分析工作流

基于大模型的Web流量威胁检测与漏洞识别引擎

License Python Status


📖 项目简介

LFlow 受微步 XGPT 启发,通过轻量级 RAG 技术,实现无需微调即可达到专业级精度的 Web 流量威胁检测。

核心价值

  • 🎯 零微调方案:通过上下文优化让通用大模型具备专业安全分析能力
  • 🚀 实时漏洞情报:基于 Nuclei POC 库的自动化检索匹配
  • 🔍 精准攻击研判:五级分类(攻击成功/失败/攻击/未知/安全)
  • 💡 工程化落地:可集成到 SIEM、WAF、AI SOC 等安全产品

🏗️ 技术架构

工作流程:HTTP日志输入 → URL提取 → POC检索(Meilisearch) → LLM分析(带/不带POC上下文) → 结构化输出

核心组件

  • 轻量级 RAG:Meilisearch 混合搜索,支持 10,000+ POC 秒级检索
  • 双路径分析:匹配 POC 时提供漏洞上下文,未匹配时基于通用规则
  • 多模型支持:DeepSeek-Chat(主)、Kimi-K2-Instruct(备选)

🚀 快速开始

1. 部署 Meilisearch

docker run -d -p 7700:7700 \
  -e MEILI_MASTER_KEY=your_master_key \
  -v $(pwd)/meili_data:/meili_data \
  getmeili/meilisearch:v1.7

2. 安装依赖

pip install -r requirements.txt

3. 配置项目

编辑 app/config.py 配置 Meilisearch 连接信息。

4. 索引 POC 库

# 下载 Nuclei POC 模板
git clone https://github.com/projectdiscovery/nuclei-templates.git

# 索引所有 POC
python index_pocs.py

5. 导入 Dify 工作流

  1. 登录 Dify 平台,创建新应用 → 选择「工作流」
  2. 导入 waftest.yml 文件
  3. 配置插件:Meilisearch、DeepSeek、SiliconFlow

6. 开始分析

输入 HTTP 请求包即可获得威胁分析结果。


📊 项目结构

LFlow/
├── app/
│   └── config.py           # 配置文件
├── index_pocs.py           # POC索引脚本
├── delete_index.py         # 索引管理工具
├── waftest.yml             # Dify工作流配置
├── requirements.txt        # 依赖包
└── README.md               # 项目文档

💡 使用场景

  • 渗透测试:批量分析 Burp Suite 日志
  • WAF 集成:实时流量威胁检测与拦截
  • SOC 审计:历史流量分析、威胁狩猎、溯源取证

📈 性能对比

测试场景 微步XGPT(微调) LFlow(零微调) 通用LLM
历史CVE
新漏洞 ⚠️ 需更新 ⚠️ 不稳定
变种攻击
更新成本 高(重训练) 低(更新POC)

🔧 高级配置

自定义提示词

编辑 waftest.yml 中的 LLM 节点,添加业务特定规则。

搜索精度调整

修改 Meilisearch 工具配置中的 matchingStrategy

  • last:提高召回率(可能误匹配)
  • all:提高准确率(可能遗漏变种)
  • frequency:平衡模式(推荐)

🛣️ 未来规划

  • 漏洞情报自动更新流水线(GitHub RSS)
  • 视觉压缩方案(DeepSeek-OCR)
  • Multi-Agent 编排(威胁评估、修复建议、自动响应)
  • 可视化分析面板
  • 插件化架构

🤝 参考资料


📜 许可证

MIT 许可证开源

⚠️ 免责声明:本工具仅供安全研究和授权测试使用,请勿用于非法攻击。


⭐ 如果这个项目对你有帮助,欢迎 Star 支持!⭐

Made with ❤️ by Security Researchers

About

通过上下文进行流量分析

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages