ids.alfacom.it/extracted_idf/COMANDI_TEST_v2.md

Comandi di Test - Versioni con Feedback Dettagliato

File Creati - Versioni v02 e v03

Sistema di Addestramento con Feedback

• analisys_02.py - Versione con feedback visivo dettagliato
  • Progress bar animate con percentuali
  • Spinner per operazioni in corso
  • Statistiche dettagliate in tempo reale
  • Colori e emoji per migliore UX
  • Informazioni su protocolli, IP e host rilevati

Sistema di Rilevamento con Feedback

• detect_multi_03.py - Versione con statistiche live
  • Dashboard in tempo reale con metriche
  • Contatori anomalie e IP bloccati
  • Velocità di processamento
  • Progress batch con ETA
  • Feedback colorato per ogni operazione

Comandi di Test - Versioni con Feedback

1. Test Connessione Database

# Test addestramento con feedback dettagliato
python3 analisys_02.py --test

# Test rilevamento con feedback live
python3 detect_multi_03.py --debug --batch-size 1000

2. Addestramento con Feedback Visivo

# Addestramento con progress bar e statistiche
python3 analisys_02.py --max-records 10000

# Addestramento forzato con feedback completo
python3 analisys_02.py --force-training --max-records 20000 --debug

# Test veloce con feedback
python3 analisys_02.py --max-records 5000

Output atteso:

🤖 SISTEMA ADDESTRAMENTO DDoS v02 - FEEDBACK DETTAGLIATO
================================================================
ℹ Configurazione: max 10,000 record
ℹ Debug mode: OFF
ℹ Force training: OFF

▶ FASE: Connessione al database
ℹ Host: localhost
ℹ Database: LOG_MIKROTIK
ℹ User: root
✓ Creazione connessione...
✓ Test connessione...
✓ Database connesso con successo

🚀 AVVIO: Estrazione Dati
📊 Passi totali: 4
[████████████████████████████████] 100.0% (4/4) ⏱️ 2.3s ⏳ N/A
   └─ Finalizzazione estrazione...
✅ COMPLETATO: Estrazione Dati in 2.3 secondi

ℹ Record estratti: 10,000
ℹ Colonne disponibili: ['ID', 'Data', 'Ora', 'Host', 'IndirizzoIP', 'Messaggio1', 'Messaggio2', 'Messaggio3']
ℹ Range ID: 1,234,567 - 1,244,567

3. Rilevamento con Dashboard Live

# Rilevamento singolo con statistiche live
python3 detect_multi_03.py --batch-size 5000 --sensibility 5

# Rilevamento in ciclo con dashboard
python3 detect_multi_03.py --ciclo --pausa 30 --batch-size 3000 --sensibility 3

# Rilevamento debug con feedback completo
python3 detect_multi_03.py --debug --batch-size 1000 --sensibility 7

Output atteso:

🛡️ SISTEMA RILEVAMENTO DDoS v03 - FEEDBACK DETTAGLIATO
======================================================================
ℹ Configurazione batch: 5,000 record
ℹ Sensibilità rilevamento: 5/10
ℹ Debug mode: OFF
ℹ Modalità ciclo: OFF

▶ FASE: Caricamento modelli di machine learning
ℹ Verifica file modello: /path/to/models/isolation_forest.joblib
ℹ Dimensione file modello: 245.3 KB
✓ Caricamento Isolation Forest...
✓ ✓ Isolation Forest caricato
✓ Caricamento preprocessor...
✓ ✓ Preprocessor caricato (50 feature)
🎯 Tutti i modelli caricati con successo

======================================================================
📊 STATISTICHE RILEVAMENTO DDoS - TEMPO REALE
======================================================================
⏱️  Tempo trascorso: 15.3s
📈 Record processati: 5,000
🚨 Anomalie trovate: 23
🔍 IP analizzati: 1,247
🛡️  IP bloccati: 23
⚡ Velocità: 326.8 record/sec
📊 Tasso anomalie: 0.46%
📦 Batch: 1/1 (100.0%) - ETA: N/A
======================================================================

🚨 Gestione anomalia per IP: 192.168.1.100
🎯 IP 192.168.1.100 inserito/aggiornato nella tabella Fibra
🚨 IP bloccati in questo batch: 23
ℹ Esempi IP bloccati: 192.168.1.100, 10.0.0.50, 172.16.0.25

4. Modalità Ciclo Continuo con Countdown

# Ciclo continuo con feedback visivo
python3 detect_multi_03.py --ciclo --pausa 60 --batch-size 2000

Output atteso:

🔄 Modalità ciclo continuo attivata

==================================================
🔄 CICLO 1
==================================================

[... esecuzione rilevamento ...]

🎯 Ciclo 1 completato con successo
ℹ Pausa di 60 secondi prima del prossimo ciclo...
⏳ Prossimo ciclo tra: 60s
⏳ Prossimo ciclo tra: 59s
⏳ Prossimo ciclo tra: 58s
[... countdown ...]

Confronto Versioni

Versioni Base (v01/v02)

• Output minimale
• Solo messaggi essenziali
• Nessun feedback visivo

Versioni con Feedback (v02/v03)

• Progress bar animate
• Spinner per operazioni lunghe
• Statistiche in tempo reale
• Colori e emoji
• Dashboard live
• Countdown visivi
• Informazioni dettagliate su ogni operazione

Parametri Ottimizzati per Feedback

analisys_02.py

# Test veloce con feedback completo
python3 analisys_02.py --max-records 5000 --debug

# Addestramento normale con progress
python3 analisys_02.py --max-records 20000

# Forzato con feedback dettagliato
python3 analisys_02.py --force-training --max-records 10000

detect_multi_03.py

# Rilevamento con dashboard live
python3 detect_multi_03.py --batch-size 3000 --sensibility 4

# Ciclo continuo con statistiche
python3 detect_multi_03.py --ciclo --pausa 45 --batch-size 2000

# Debug completo
python3 detect_multi_03.py --debug --batch-size 1000 --sensibility 6

Monitoraggio Avanzato

Informazioni Mostrate in Tempo Reale

Durante l'Addestramento:

• Progress bar per ogni fase
• Tempo trascorso e rimanente
• Dettagli su protocolli rilevati
• Statistiche host e IP
• Dimensioni file modelli salvati
• Tempo di addestramento per ogni algoritmo

Durante il Rilevamento:

• Dashboard con metriche live
• Velocità di processamento
• Tasso di anomalie
• IP analizzati vs bloccati
• Progress batch con ETA
• Esempi di IP bloccati
• Countdown tra cicli

File di Log Dettagliati

• analisys_debug.log - Log addestramento con timestamp
• detect_debug.log - Log rilevamento con dettagli anomalie

Risoluzione Problemi con Feedback

Se il sistema sembra bloccato:

• Le progress bar mostrano l'avanzamento reale
• Gli spinner indicano operazioni in corso
• I dettagli mostrano cosa sta elaborando

Per monitorare performance:

• Velocità di processamento in tempo reale
• Tempo stimato di completamento
• Statistiche cumulative

Per debug:

• Usa --debug per informazioni dettagliate
• Controlla i file di log per errori
• Le statistiche live mostrano eventuali problemi

Note Tecniche

Compatibilità

• analisys_02.py è compatibile con detect_multi_03.py
• Stessa logica di feature engineering
• Formato modelli identico

Performance

• Il feedback visivo ha impatto minimo sulle performance
• Progress bar aggiornate ogni 2-3 secondi
• Statistiche calcolate in background

Personalizzazione

• Colori configurabili nel codice
• Frequenza aggiornamenti modificabile
• Livello di dettaglio regolabile

COMANDI TEST SISTEMA DDoS v02 - FEEDBACK DETTAGLIATO

🎯 COMANDI PRINCIPALI

🔧 Test Connessione Database

# Test connessione database (veloce, non si blocca)
python analisys_02.py --test

# Test con debug dettagliato
python analisys_02.py --test --debug

🎭 Modalità Demo (Senza Database)

# Test rapido con dati simulati (2-3 secondi)
python analisys_02.py --demo --max-records 500

# Test più completo
python analisys_02.py --demo --max-records 2000

# Con debug dettagliato
python analisys_02.py --demo --debug --max-records 1000

🚀 Addestramento Normale (Database Richiesto)

# Addestramento standard (rispetta intervallo 12h)
python analisys_02.py --max-records 50000

# Forza addestramento immediato
python analisys_02.py --force-training --max-records 50000

# Cambia frequenza addestramento (es: ogni 1 ora)
python analisys_02.py --training-hours 1.0 --max-records 50000

# Cambia frequenza addestramento (es: ogni 30 minuti)
python analisys_02.py --training-hours 0.5 --max-records 50000

# Addestramento con dataset ridotto
python analisys_02.py --force-training --max-records 10000

# Debug completo
python analisys_02.py --force-training --debug --max-records 5000

⚙️ Configurazione Database

# Mostra configurazione attuale
python config_database.py

# Modifica config_database.py per server remoto:
# DB_HOST = "192.168.1.100"  # IP del tuo server
# DB_PORT = "3306"           # Porta
# DB_USER = "username"       # Username
# DB_PASSWORD = "password"   # Password

📊 ESEMPI OUTPUT ATTESO

✅ Test Connessione Riuscito

============================================================
🤖 SISTEMA ADDESTRAMENTO DDoS v02 - FEEDBACK DETTAGLIATO
============================================================
ℹ Host: localhost:3306
ℹ Database: LOG_MIKROTIK
ℹ User: root
✓ Database connesso con successo
✓ Query base funzionante
✓ Tabella Esterna trovata
ℹ ✓ Esempio ID record: 1
ℹ ✓ Prime colonne: ID, Tipo, Data, Ora, Host
ℹ ✓ ID massimo: 692,766,739
✓ 🎉 Tutti i test database superati!

🎭 Modalità Demo

🎭 Modalità DEMO: Utilizzando dati simulati invece del database

▶ FASE: Generazione dati simulati
🚀 AVVIO: Simulazione Dataset
[██████████████████████████████] 100.0% (3/3) ⏱️ 1.6s
✓ Dataset simulato creato: 500 record

▶ FASE: Preparazione dati per addestramento
🚀 AVVIO: Preparazione Features
[██████████████████████████████] 100.0% (6/6) ⏱️ 0.1s
✓ Matrice preparata: 500 esempi × 50 feature

▶ FASE: Addestramento modelli di machine learning
🚀 AVVIO: Addestramento Modelli
[██████████████████████████████] 100.0% (7/7) ⏱️ 0.3s
✓ Isolation Forest completato in 0.1s
✓ LOF completato in 0.2s
✓ SVM completato in 0.0s

🎭 ADDESTRAMENTO DEMO COMPLETATO CON SUCCESSO!
✓ Tempo totale: 2.4 secondi
✓ Campioni processati: 500
✓ Feature generate: 50

⏭️ Addestramento Non Necessario

ℹ 📅 Ultimo addestramento: 2025-05-29 17:19:57
ℹ ⏰ Ore trascorse: 0.2
✓ ⏭️ Addestramento non necessario (<12h)

⏭️ ADDESTRAMENTO NON NECESSARIO

🚀 Addestramento in Corso

▶ FASE: Estrazione dati da server remoto (max 50,000 record)
🚀 AVVIO: Estrazione Dati Remoti
[██████████████████████████████] 100.0% (5/5) ⏱️ 12.3s
✓ Estratti 45,678 record in 12.3 secondi dal server remoto

▶ FASE: Preparazione dati per addestramento  
🚀 AVVIO: Preparazione Features
ℹ Preparazione feature per 45,678 campioni
✓ Feature temporali estratte da Data/Ora
ℹ ✓ Protocolli rilevati: {'TCP': 12450, 'UDP': 8901, 'HTTP': 3456}
ℹ ✓ Host FIBRA: 34567, Host vuoti: 234
ℹ ✓ IP unici elaborati: 12,345
ℹ ✓ Range ID: 692720061 - 692766739
✓ Matrice preparata: 45,678 esempi × 50 feature

▶ FASE: Addestramento modelli di machine learning
🚀 AVVIO: Addestramento Modelli
ℹ 🌲 Configurazione: 30 alberi, 500 campioni max
✓ Isolation Forest completato in 2.1s
ℹ 🔍 LOF su campione di 5,000 esempi  
✓ LOF completato in 4.3s
ℹ ⚙️ SVM su campione di 2,000 esempi
✓ SVM completato in 1.2s
ℹ 🎯 Pesi ensemble: IF=0.7, LOF=0.2, SVM=0.1
✓ Tutti i modelli salvati in 0.5s

🎉 ADDESTRAMENTO COMPLETATO CON SUCCESSO!
✓ Tempo totale: 24.7 secondi
✓ Campioni processati: 45,678
✓ Feature generate: 50
✓ Modelli salvati in: C:\RADIUS_DATA_TRANSFER\SITI\LOGMONGO\Root\models

🚨 RISOLUZIONE PROBLEMI

❌ Database Non Connesso

✗ Test connessione fallito: Can't connect to MySQL server
💡 Suggerimenti:
   - Verifica che MySQL/MariaDB sia attivo su localhost:3306
   - Per server remoto, modifica DB_HOST nel codice
   - Oppure usa variabili d'ambiente: set DB_HOST=ip_server_remoto
   - Per test senza database usa: --demo

Soluzione: Usa --demo o configura config_database.py

⚠️ Troppi Pochi Campioni

✗ Troppo pochi campioni: 100 < 500

Soluzione: Usa almeno --max-records 500

🔄 Addestramento Saltato

✓ ⏭️ Addestramento non necessario (<12h)

Soluzioni:

• --force-training per forzare
• --training-hours 0.5 per cambiare frequenza
• --training-hours 1.0 per ogni ora

📝 NOTE IMPORTANTI

1. Requisiti minimi: 500 record per addestramento
2. Modalità demo: Perfetta per test e sviluppo
3. Frequenza addestramento: Configurabile da 0.1 ore (6 min) a ore/giorni
4. Server remoto: Configurare config_database.py
5. Timeout: Ottimizzati per server remoti (5 secondi)
6. Compatibilità: Windows con PowerShell
7. Modelli: Salvati in cartella models/ locale