Log Analyzer Backend + Frontend

CPU-LLM-gestütztes Dashboard zur Auswertung von Firewall- und Proxy-Logs. Parst Dateien, zeigt übersichtliche Statistiken (Top-Hits, Quellen, Ziele, Ports, URLs, Zeitverlauf) und nutzt ein lokales LLM (via Ollama) für die Analyse.

Features

• Log-Parsing: Unterstützt iptables, pfSense, Cisco ASA, Squid, nginx
• Statistiken: Top Quellen, Ziele, Ports, URLs, Actions, Timeline
• LLM-Analyse: Zusammenfassung und Anomalie-Erkennung via lokalem Ollama-Modell
• REST-API: FastAPI mit automatischer OpenAPI-Doku unter /docs
• Web-Dashboard: Vue 3 + Chart.js SPA, erreichbar auf Port 80
• Docker-Compose: Ein Befehl zum Starten von Backend + Frontend

Architektur

┌──────────────┐      ┌──────────────┐      ┌──────────────────────┐
│   Browser    │──────▶│  Frontend:80 │──────▶│  FastAPI Backend:8000 │
└──────────────┘      │  (nginx +    │      │  - SQLite (Volumen)   │
                      │   Vue SPA)   │      │  - Log-Parser         │
                      └──────────────┘      │  - Ollama-Client      │
                                            └───────────────────────┘
                                                      │
                                                      ▼
                                            ┌──────────────────────┐
                                            │  Ollama (CPU/Host)   │
                                            │  http://host.docker  │
                                            │       .internal:11434│
                                            └──────────────────────┘

Voraussetzungen

• Docker + Docker Compose
• Laufende Ollama-Instanz auf dem Host (Port 11434) mit Modell llava:7b
• Ports: 80 (Dashboard), 11434 (Ollama auf Host)

Installation & Start

# Repository klonen
git clone https://gitea.die-heimatlosen.eu/arch_agent/log-analyzer-backend.git
cd log-analyzer-backend

# Starten
docker-compose up -d --build

Das Dashboard ist dann unter http://localhost erreichbar. Die API-Doku unter http://localhost/docs.

Nutzung

Dashboard

1. Browser öffnen: http://localhost
2. Log-Datei über das Upload-Feld hochladen
3. Statistiken und Charts werden automatisch geladen (alle 15 Sek. refreshed)
4. LLM-Analyse über den Bereich unten starten

API (cURL)

Log-Datei hochladen

curl -X POST http://localhost/api/upload \
  -H "Content-Type: multipart/form-data" \
  -F "file=@/var/log/iptables.log"

Statistiken abrufen

curl "http://localhost/api/stats?limit=20"

LLM-Analyse starten

curl -X POST "http://localhost/api/analyze?log_type=firewall&limit=100"

Gesundheitscheck

curl http://localhost/health

API-Endpunkte

Methode	Endpunkt	Beschreibung
POST	/api/upload	Log-Datei hochladen & parsen
GET	/api/stats	Übersicht aller Statistiken
GET	/api/stats/sources	Top Quellen
GET	/api/stats/destinations	Top Ziele
GET	/api/stats/ports	Top Ports
POST	/api/analyze	LLM-Analyse der Logs
GET	/health	Healthcheck
GET	/docs	Swagger UI (FastAPI)

Umgebungsvariablen

Variable	Standard	Beschreibung
DATABASE_URL	sqlite+aiosqlite:///data/logs.db	SQLite Datenbankpfad
OLLAMA_URL	http://host.docker.internal:11434	Ollama API URL
OLLAMA_MODEL	llava:7b	LLM Modellname

Unterstützte Log-Formate

Firewall

• iptables: Kernel-Logzeilen mit SRC=... DST=... PROTO=... DPT=...
• pfSense: filterlog CSV-ähnliche Zeilen
• Cisco ASA: %ASA-... Built/Teardown/Denied ...

Proxy

• Squid: Native Squid-Logformat (Timestamp, elapsed, client, code, status, size, method, URL)
• nginx: Standard access_log ($remote_addr - [$time_local] "$request" $status $body_bytes_sent)

Hinweise

• Das Backend erwartet Ollama auf dem Host (nicht im Container). Für Linux ggf. extra_hosts: ["host.docker.internal:host-gateway"] nutzen.
• Große Logdateien werden in Batches von 500 Zeilen verarbeitet.
• Die SQLite-Datenbank wird im Docker-Volumen logdata persistiert.
• Das Frontend aktualisiert die Statistiken automatisch alle 15 Sekunden.

Lizenz

MIT