Skip to main content

Akademische Desktop-Anwendung · Networking

WireCat

~2 Min. Lesezeit
Desktop-Anwendung und Capture-Tooling
Akademischer Prototyp

Ein einsteigerfreundliches JavaFX-Toolkit für Live Packet Capture, Filterung, Inspektion, Statistiken und Export.

JavaJavaFXPcap4JMavenNetworking
GitHub preview for the WireCat network packet analyzer

Datenfluss

Vom Netzwerkinterface zur Analysten-Evidenz

  1. 1

    Netzwerkinterface

    Promiscuous Capture + optionaler BPF

  2. 2

    Capture Worker

    Pcap4J Daemon Thread

  3. 3

    Transfer Queue

    Capture und Rendering entkoppeln

  4. 4

    JavaFX-Analyse

    100-ms-Batches, Filter, Conversations

  5. 5

    Evidenz und Enrichment

    PCAP, CSV, optional Gemini

Horizontal wischen →

Implementierungsübersicht

Capture

Pcap4J Promiscuous Mode

UI-Pipeline

Updates in 100-ms-Batches

Evidenz

PCAP- und CSV-Export

Enrichment

Optionale Gemini-Analyse

Lernziel

WireCat macht die Packet-Analyse-Pipeline sichtbar: Interface wählen, Frames erfassen, Protokolle parsen, Daten eingrenzen, Bytes untersuchen und Evidenz exportieren. Ziel ist Verständnis, nicht der Ersatz von Wireshark.

Capture und Concurrency

Pcap4J öffnet das ausgewählte Interface im Promiscuous Mode mit 65.536 Byte Snap Length und optionalem BPF-Filter. Ein Daemon Capture Thread übergibt Pakete an eine Transfer Queue; JavaFX verarbeitet sie in 100-ms-Batches, damit hoher Traffic den UI Thread nicht blockiert.

Analysten-Workflow

Die Oberfläche bündelt den Investigation Loop.

  • Protokoll-, IP-, Port- und Textfilter kombinieren
  • Ethernet-, IP- und Transportfelder untersuchen
  • Conversations über Endpoint-Tupel und MAC-Adressen gruppieren
  • Protokollverteilung, Pakete pro Sekunde, Vendor Hints und TCP Streams prüfen
  • Capture als PCAP oder sichtbaren Datensatz als CSV sichern

Optionale AI-Anreicherung

Ein separater Service mit drei Workern kann ausgewählten Packet Context an Gemini senden und Erklärungen asynchron ergänzen. Die Funktion bleibt optional; ohne API Key funktionieren Capture und Inspection vollständig. Externe Analyse verlangt eine bewusste Datenschutzentscheidung.

Engineering und Grenzen

Das Projekt zeigt Java Desktop Development, Producer-Consumer-Concurrency, native Capture Constraints, kombinierbare Filter und Evidence Export. Es bleibt ein Lernwerkzeug; AI-Ausgaben sind Kontext, keine autoritative Detection.