Agent Skills
返回列表
MiaoQIDS 经典量子混合防火墙模型

MiaoQIDS 经典量子混合防火墙模型

IT 运维与安全 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_263cfa82/miao-qids。

技能介绍

解决什么问题

网络流量分析常面临三类难点：原始 PCAP 特征需要人工提取、攻击类型边界不清、检测结果缺少可解释的置信度。MiaoQIDS 面向这类流量研判场景，将抓包数据转化为特征，并输出端口扫描、SSH/FTP 暴力破解、DoS、SQL 注入、XSS、WebShell 与正常流量的概率分布，便于快速定位可疑行为。

如何工作

技能读取指定 pcap_path，提取流量特征，并结合预训练 CNN 模型与 QNN 模型推理。经典 CNN 负责常规模式识别，量子线路推理通过 quantum_shots 控制测量次数，在精度与耗时之间折中。结果包含 confidence_distribution、final_prediction、final_confidence，同时给出攻击者 IP 归属地、防护建议和模型重建误差，帮助评估自动判断的可靠性。

适用边界

它依赖有效 pcap_path、模型文件与运行环境；quantum_shots 通常建议 64 至 4096，过高会增加计算压力。该技能更偏向检测与研判，不等同于直接阻断流量的防火墙。遇到重建误差较大的未知行为时，应结合访问、认证与应用日志人工复核。

使用场景

  • 安全值班拿到可疑 PCAP，需要判断是否存在端口扫描或暴力破解并输出置信度。
  • 运维复盘 Web 攻击日志时，需要区分 SQL 注入、XSS、WebShell 并给出防护建议。
  • SOC 分析抓包证据，需要解析攻击者 IP 归属地并评估模型重建误差。
  • 安全测试后整理 PCAP 样本，需要快速得到 8 类流量概率分布便于归档。

适合人员

  • 安全值班人员：需要把可疑抓包快速归类并给出是否升级处置的依据。
  • 网络运维工程师：排查异常流量时，需要确认攻击类型、IP 归属和处置建议。
  • SOC 分析师：复盘安全事件时，需要可归档的置信度分布和证据字段。
  • 渗透测试工程师：测试后整理 PCAP 结果，需要区分恶意与善意流量并核对误报。