implementing-network-traffic-baselining
/implementing-network-traffic-baselining
Buduje wzorzec normalnego ruchu sieciowego z eksportów NetFlow i wykrywa odchylenia metodami z-score oraz IQR.
- Autor
- mukul975 ↗
- Repozytorium
- Anthropic-Cybersecurity-Skills ↗
- Licencja
- Apache-2.0
- Ostatnia zmiana repozytorium
- 31.08.2026
Ocena i bezpieczeństwo
- Pliki w paczce
- 4
- Skrypty
- 1
- Komentarze HTML
- 0
- Adresy URL w SKILL.md
- 0
Brak sygnałów. Repozytorium zmienione 31.08.2026, bez odwołań do wycofanych modeli i API.
Apache-2.0, otwarta: można używać i zmieniać, z zachowaniem licencji i informacji o zmianach.
- 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
- Overview
- When to Use
- Prerequisites
- Steps
- Expected Output
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.