Przejdź do treści
Biblioteka skilli
Bezpieczeństwo · Analiza

implementing-network-traffic-baselining

/implementing-network-traffic-baselining

Buduje wzorzec normalnego ruchu sieciowego z eksportów NetFlow i wykrywa odchylenia metodami z-score oraz IQR.

Licencja
Apache-2.0
Ostatnia zmiana repozytorium
31.08.2026

Ocena i bezpieczeństwo

90/ 100Klasa: dobry
Format25 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść25 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
4
Skrypty
1
Komentarze HTML
0
Adresy URL w SKILL.md
0
Przestarzałość

Brak sygnałów. Repozytorium zmienione 31.08.2026, bez odwołań do wycofanych modeli i API.

Licencja

Apache-2.0, otwarta: można używać i zmieniać, z zachowaniem licencji i informacji o zmianach.

Co sprawdzić przed instalacją
  • 1 skrypt w paczce. Przejrzyj je przed instalacją, bo Claude może je uruchomić.

Skrypty: scripts/agent.py

Co robi i kiedy

Buduje wzorzec normalnego ruchu sieciowego z eksportów NetFlow i wykrywa odchylenia metodami z-score oraz IQR.

Oryginalny opis (EN)

Builds network traffic baselines from NetFlow/IPFIX CSV or JSON exports using Python pandas, computing hourly/daily volume distributions, per-host and protocol/port statistics, and top-talker profiles, then flags outliers via z-score and IQR anomaly detection. Use when a SOC analyst needs to establish normal traffic patterns and surface deviations such as data exfiltration spikes, beaconing, or unusual port usage from historical flow data.

Jak działa

  1. Overview
  2. When to Use
  3. Prerequisites
  4. Steps
  5. Expected Output
Sekcje z nagłówków SKILL.md, w oryginale · 35 linii, 240 słów
Podgląd SKILL.md
---
name: implementing-network-traffic-baselining
description: Builds network traffic baselines from NetFlow/IPFIX CSV or JSON exports using Python
  pandas, computing hourly/daily volume distributions, per-host and protocol/port
  statistics, and top-talker profiles, then flags outliers via z-score and IQR anomaly
  detection. Use when a SOC analyst needs to establish normal traffic patterns and
  surface deviations such as data exfiltration spikes, beaconing, or unusual port
  usage from historical flow data.
domain: cybersecurity
subdomain: network-security
tags:
- netflow
- ipfix
- traffic-analysis
- baselining
- anomaly-detection
- pandas
- network-monitoring
version: '1.0'
author: mahipal
license: Apache-2.0
nist_csf:
- PR.IR-01
- DE.CM-01
- ID.AM-03
- PR.DS-02
mitre_attack:
- T1046
- T1040
- T1557
- T1071
---

# Implementing Network Traffic Baselining

## Overview

Network traffic baselining establishes normal communication patterns by analyzing historical NetFlow/IPFIX data to create statistical profiles of expected behavior. This skill uses Python pandas to compute hourly and daily traffic distributions, per-host byte/packet counts, protocol ratios, and top-N talker profiles. Anomalies are detected using z-score thresholds and IQR (interquartile range) outlier methods, enabling SOC analysts to identify deviations such as data exfiltration spikes, beaconing patterns, and unusual port usage.


## When to Use

- When deploying or configuring implementing network traffic baselining capabilities in your environment
- When establishing security controls aligned to compliance requirements
- When building or improving security architecture for this domain
- When conducting security assessments that require this implementation

## Prerequisites

- NetFlow v5/v9 or IPFIX flow data exported as CSV or JSON
- Python 3.8+ with pandas and numpy libraries
- Historical flow data (minimum 7 days recommended for baseline)

## Steps

1. Ingest NetFlow/IPFIX records from CSV or JSON exports
2. Compute hourly and daily traffic volume distributions (bytes, packets, flows)
3. Build per-source-IP baseline profiles with mean, median, standard deviation
4. Calculate protocol and port distribution baselines
5. Apply z-score anomaly detection to identify statistical outliers
6. Flag flows exceeding IQR-based thresholds as potential anomalies
7. Generate baseline report with anomaly alerts

## Expected Output

JSON report containing traffic baselines (hourly/daily profiles), per-host statistics, detected anomalies with z-scores, and top talker rankings with deviation indicators.
Pliki w paczce (4)
  • LICENSE 11 KB
  • SKILL.md 3 KB
  • references/api-reference.md 2 KB
  • scripts/agent.py 7 KB

Wersje

W bazie nie ma innych skilli o nazwie implementing-network-traffic-baselining.

Migawka bazy z 13.11.2026 · wersja paczki 0836c7d2bd1d (skrót SHA-256 całej paczki)

Pobrania w ostatnich 30 dniach: 0 · ranking

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 100outlier-scan
    Wykrywa anomalie w danych CSV metodami Z-score, IQR i odchylenia od średniej kroczącej, klasyfikuje je jako wyjaśnialne lub wymagające uwagi i zapisuje raport JSON.
  • 90performing-network-traffic-analysis-with-tshark
    Automatyzuje analizę ruchu sieciowego w tshark i pyshark: statystyki protokołów, wykrywanie podejrzanych przepływów, IOC i wzorce tunelowania DNS w plikach PCAP.
  • 90detecting-shadow-it-cloud-usage
    Wykrywa nieautoryzowane usługi SaaS i chmurowe, analizując logi proxy, DNS i przepływy, oraz ocenia ryzyko w raporcie z zaleceniami.
  • 100okhp3-behavioral-baselining
    Ustala z poszanowaniem prywatności wzorce bazowe zachowania agentów, użycia narzędzi, żądań, zużycia zasobów i przepływów danych, do wykrywania dryfu i oceny zmian kontroli.
  • 90ml-anomaly-detection
    Dobiera metodę wykrywania anomalii do danych tabelarycznych, szeregów czasowych i wysokowymiarowych, od Z-score i IQR po autoenkodery.
  • 90protocol-traffic-analysis
    Analizuje dane z przechwyconego ruchu sieciowego PCAP: hosty, połączenia, zależności, ekspozycję uwierzytelniania i luki w obserwacji.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.