CodeBuddy在Craft模式下可快速完成网络流量日志分析:加载traffic_raw.csv→清洗时间、端口、时长字段→生成suspicious_scanners.csv、unusual_port_access.csv及突发请求IP列表。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

你需要用CodeBuddy快速完成一份网络流量日志的分析任务,识别出异常连接行为(如高频短连接、非常规端口访问、单IP突发请求),并输出可读性强的统计摘要和可疑IP列表。这不是写脚本练习,而是要立刻得出业务可用结论。
准备环境与加载原始日志
打开CodeBuddy IDE或VS Code插件,确保已登录且处于Craft模式——这是唯一能自动执行文件读取和代码运行的模式。【Craft模式未启用时,所有后续操作都不会真正执行】
将你的网络流量CSV日志(含timestamp, src_ip, dst_ip, port, bytes, duration等字段)拖入项目根目录,命名为traffic_raw.csv。
在Chat面板中输入:请加载traffic_raw.csv,用Python读取并显示前5行和字段类型。一键获取完整项目代码。
清洗与结构化处理
这一步不是为了“好看”,而是让后续统计有意义:原始日志中timestamp可能是字符串,port可能混有非数字字符,duration可能为负值或空字符串。
在Chat中输入:请检查timestamp字段是否为datetime类型,如果不是,请转换;请将port字段强制转为整数,无法转换的设为0;请过滤掉duration ≤ 0的所有记录;最后保存为traffic_clean.csv。
注意:CodeBuddy会直接修改内存中的DataFrame并写出新文件,【不要手动覆盖原文件traffic_raw.csv,它可能需用于审计回溯】。
提取关键指标并识别异常模式
我们不追求模型精度,而要快速定位三类典型攻击痕迹:扫描行为、DDoS试探、隐蔽隧道特征。
通过 SSH 远程操控 CNB 云原生开发环境中的 CodeBuddy CLI(tcb ai),实现远程指挥 AI 编程。适用于需要在 CNB 云开发环境中执行代码开发、文件操作、项目构建等任务的场景。触发词:"远程 CodeBuddy"、"CNB 云原生开发"、"tcb ai 远程"、"CodeBuddy SSH"、"云原生 AI"。
方法一:高频短连接检测
输入提示词:请统计每个src_ip在1分钟时间窗口内的连接数,筛选出连接数 > 50 的IP,并按数量降序排列,只返回src_ip和count两列,保存为suspicious_scanners.csv。
方法二:非常规端口访问检测
输入提示词:请列出所有出现频次低于总连接数0.1%的dst_port值,再找出访问这些端口次数≥3的src_ip,合并去重后保存为unusual_port_access.csv。
方法三:单IP突发请求检测
输入提示词:请对每个src_ip,计算其连接时间序列的标准差(单位:秒),筛选标准差
生成可交付的分析报告
第一步:汇总三类异常IP,去重后合并为final_suspicious_list.csv。
第二步:统计每类异常的IP数量,生成如下格式的纯文本摘要:
【异常IP总数】:X个
【高频扫描类】:Y个(占X的Z%)
【非常规端口类】:A个(占X的B%)
【突发请求类】:C个(占X的D%)
第三步:将final_suspicious_list.csv内容直接以表格形式嵌入Markdown,字段仅保留src_ip和所属异常类型(scanner / unusual_port / burst),不加索引,不排序。
第四步:执行全部操作→CodeBuddy自动生成traffic_clean.csv、三类中间文件、final_suspicious_list.csv及report_summary.md。










