快速接入

先看主来源和安装命令，再打开仓库或文档；下面只保留这个条目的关键接入事实。

命令预览

pip install -r requirements.txt

详细介绍

Model Context Protocol server for real-time 5G DDoS detection and response

Powered by the NCSRD-DS-5GDDoS dataset — a physical 3GPP-compliant 5G testbed from the EU Horizon PRIVATEER project

______________________________________________________________________

它的作用

赋予任何LLM代理检测、解释和响应5G DDoS攻击的能力：

工具	它做什么
`detect_anomaly`	将实时5G遥测分类为良性/攻击型——返回类型、置信度、严重性
`explain_attack`	通过配置的LLM生成自然语言事件报告
`recommend_response`	带有通用REST API调用示例的切片软件缓解计划
`query_history`	搜索过去的事件+数据集参考模式，用于少镜头LLM推理

支持 SYN、UDP、ICMP、DNS和GTP-U洪泛 （最后一个是5G特定的严重性）。

______________________________________________________________________

快速开始

选择您的LLM后端并遵循匹配的路径。服务器运行在 演示模式 （基于规则的启发式），没有经过训练的模型，因此您可以立即尝试所有工具。

______________________________________________________________________

方案A-克劳德（API无烟煤）

事件报告和建议的最佳输出质量。

# 1. Clone and install
git clone https://github.com/ncsrd/5g-ddos-mcp
cd 5g-ddos-mcp
pip install -r requirements.txt

# 2. Configure
cp .env.example .env
#    Set: LLM_BACKEND=claude
#    Set: ANTHROPIC_API_KEY=sk-ant-...

# 3. Run
python -m src.server

连接 claude_desktop_config.json:

{
  "mcpServers": {
    "5g-ddos": {
      "command": "python",
      "args": ["-m", "src.server"],
      "cwd": "/path/to/5g-ddos-mcp",
      "env": {
        "LLM_BACKEND": "claude",
        "ANTHROPIC_API_KEY": "sk-ant-..."
      }
    }
  }
}

______________________________________________________________________

选项B——Ollama（本地开源LLM，完全离线）

最适合气隙或隐私敏感部署。没有数据离开你的机器。

步骤1--安装Olama

# macOS / Linux
curl -fsSL https://ollama.com/install.sh | sh

# Windows: download from https://ollama.com/download

第二步——拉一个模型

ollama pull llama3.2       # 3B (fast) or 8B (balanced) — recommended default
ollama pull mistral        # 7B — strong reasoning
ollama pull phi4           # 14B — best structured output
ollama pull gemma3         # Google Gemma 3, 4B–27B
ollama pull deepseek-r1    # 8B chain-of-thought distill
ollama pull qwen2.5        # 7B / 14B / 72B

步骤3--运行MCP服务器

cp .env.example .env
#    Set: LLM_BACKEND=ollama
#    Set: OLLAMA_MODEL=llama3.2   (or whichever you pulled)
#    OLLAMA_BASE_URL defaults to http://localhost:11434

python -m src.server

连接 claude_desktop_config.json:

{
  "mcpServers": {
    "5g-ddos": {
      "command": "python",
      "args": ["-m", "src.server"],
      "cwd": "/path/to/5g-ddos-mcp",
      "env": {
        "LLM_BACKEND": "ollama",
        "OLLAMA_MODEL": "llama3.2"
      }
    }
  }
}

______________________________________________________________________

选项C——OpenAI兼容端点

与vLLM、LM Studio、Groq、Together.ai、Mistral API、Perplexity和任何其他与OpenAI兼容的提供商配合使用。

cp .env.example .env
#    Set: LLM_BACKEND=openai_compatible
#    Set: OPENAI_BASE_URL=
#    Set: OPENAI_MODEL=
#    Set: OPENAI_API_KEY=

python -m src.server

提供商示例：

供应商	`OPENAI_BASE_URL`	`OPENAI_MODEL`
vLLM （自托管）	`http://localhost:8080/v1`	您部署的模型
LM 工作室（本地）	`http://localhost:1234/v1`	LM Studio中加载的模型
格罗克	`https://api.groq.com/openai/v1`	`llama-3.3-70b-versatile`
Together.ai	`https://api.together.xyz/v1`	`meta-llama/Llama-3-70b-chat-hf`
API米斯特拉尔	`https://api.mistral.ai/v1`	`mistral-large-latest`
困惑度	`https://api.perplexity.ai`	`llama-3.1-sonar-large-128k-online`
开放人工智能	`https://api.openai.com/v1`	`gpt-4o`

______________________________________________________________________

选项D——Docker（任何后端）

# Build
docker build -t 5g-ddos-mcp .

# Run with Claude
docker run --env-file .env -p 8000:8000 \
  -v $(pwd)/models:/app/models:ro \
  -v $(pwd)/data:/app/data:ro \
  5g-ddos-mcp

# Run with Ollama (Ollama running on host)
docker run -p 8000:8000 \
  -e LLM_BACKEND=ollama \
  -e OLLAMA_BASE_URL=http://host.docker.internal:11434 \
  -e OLLAMA_MODEL=llama3.2 \
  5g-ddos-mcp

# Full stack: MCP server + Ollama side-by-side
docker compose --profile with-ollama up
# Then pull a model inside the Ollama container:
docker exec -it ollama ollama pull llama3.2

# Full stack with InfluxDB + Grafana (mirrors the NCSRD testbed pipeline)
docker compose --profile full up

______________________________________________________________________

选项E——Kubernetes

# 1. Apply namespace, storage, and config
kubectl apply -f k8s/namespace.yaml
kubectl apply -f k8s/pvc.yaml
kubectl apply -f k8s/configmap.yaml

# 2. Create secrets (replace with real values)
kubectl create secret generic 5g-ddos-mcp-secrets \
  --from-literal=ANTHROPIC_API_KEY=sk-ant-... \
  -n 5g-ddos-mcp

# 3. Deploy (set LLM_BACKEND in k8s/deployment.yaml before applying)
kubectl apply -f k8s/deployment.yaml
kubectl apply -f k8s/service.yaml

# 4. Train the model inside the cluster (after populating the data PVC)
kubectl apply -f k8s/train-job.yaml
kubectl logs -f job/train-classifier -n 5g-ddos-mcp

# 5. Check status
kubectl get pods -n 5g-ddos-mcp

要将Ollama部署为完全自包含集群的sidecar：

# Ollama deployment + service are already included in k8s/deployment.yaml
# Set LLM_BACKEND=ollama and OLLAMA_BASE_URL=http://ollama-service:11434 in configmap.yaml
kubectl apply -f k8s/deployment.yaml   # deploys both mcp-server and ollama
kubectl apply -f k8s/service.yaml
# Then exec into the Ollama pod to pull a model:
kubectl exec -it deploy/ollama -n 5g-ddos-mcp -- ollama pull llama3.2

______________________________________________________________________

数据集设置

ML模型需要 NCSRD-DS-5GDOS v3.0 数据集（约620 MB），必须单独下载。服务器在没有它的情况下以启发式演示模式运行。

# Automatic download from Zenodo (DOI: 10.5281/zenodo.13900057)
chmod +x scripts/download_dataset.sh
./scripts/download_dataset.sh

# Then train the classifier (~5–15 min depending on hardware)
python scripts/train_model.py

# Quick smoke-test with 100k rows
python scripts/train_model.py --nrows 100000

看 data/DATASET_INSTRUCTIONS.md 有关文件和手动下载的完整详细信息。

目标指标 （来自此数据集的已发表结果）：

指标	目标	已发布
二进制F1	>0.95	0.98
AUC-ROC	>0.99	0.999
多级加权F1	>0.95	0.98

______________________________________________________________________

命令行界面

这 5g-ddos 命令允许您直接从终端运行检测、查询历史、获取建议和管理数据集，无需MCP客户端。

pip install -e ".[all]"   # installs the 5g-ddos entry point
5g-ddos --help

`server` --启动MCP服务器

5g-ddos server                          # uses LLM_BACKEND from .env
5g-ddos server --backend ollama --model phi4
5g-ddos server --backend claude

`detect` --对5G遥测技术进行分类

# Inline single-sample detection
5g-ddos detect --ul-bitrate 9500000 --dl-bitrate 1200000 \
               --ul-retx 0.42 --pdu-session-setup-request 95 \
               --ue-id UE-007

# Batch detection from a CSV file (matches NCSRD dataset schema)
5g-ddos detect --input telemetry.csv --format table
5g-ddos detect --input telemetry.csv --format csv --output results.csv

# Output formats: table (default) | json | csv

`explain` --生成事件报告

5g-ddos explain --attack-type gtp_u_flood --severity critical \
                --slice URLLC --ue-ip 10.45.0.3 --cells "1,2"

5g-ddos explain --attack-type syn_flood --severity high \
                --imeisv 3533890312345678 --format json --output report.json

`recommend` --获取缓解建议

5g-ddos recommend --attack-type udp_flood --severity high --slice eMBB

# Preview auto-execute REST API commands (does not call any API without RESPONSE_API_URL set)
5g-ddos recommend --attack-type gtp_u_flood --severity critical \
                  --ue-ip 10.45.0.5 --imeisv 3533890312345678 \
                  --auto-execute

`history` --查询事件历史记录

5g-ddos history                                  # last 10 incidents
5g-ddos history --attack-type syn_flood --limit 20
5g-ddos history --severity critical --slice URLLC --time-range 24

`train` --训练XGBoost分类器

5g-ddos train                     # full dataset (~5–15 min)
5g-ddos train --nrows 100000      # quick smoke-test with 100k rows

`dataset` --管理NCSRD数据集

5g-ddos dataset status            # show which files are present / missing
5g-ddos dataset download          # print download instructions
5g-ddos dataset download --auto   # run scripts/download_dataset.sh automatically

`version` --显示环境信息

5g-ddos version
# ┌──────────────────────┬───────────────────────────────┐
# │ 5g-ddos-mcp          │ 1.0.0                         │
# │ LLM Backend          │ claude (claude-sonnet-4-6)    │
# │ ML Model             │ loaded (binary + multi-class) │
# │ Dataset records      │ 7 files present               │
# └──────────────────────┴───────────────────────────────┘

______________________________________________________________________

建筑

┌──────────────────────────────────────────────┐
│             MCP Client (any LLM)             │
└──────────────────┬───────────────────────────┘
                   │  MCP Protocol (stdio / HTTP)
┌──────────────────▼───────────────────────────┐
│             5G-DDoS MCP Server               │
│                                              │
│  ┌─────────────┐   ┌──────────────────────┐  │
│  │  ML Layer   │   │      LLM Layer       │  │
│  │  XGBoost    │   │  Claude  │  Ollama   │  │
│  │  Classifier │   │  OpenAI-compatible   │  │
│  └──────┬──────┘   └──────────────────────┘  │
│         │                                    │
│  ┌──────▼────────────────────────────────┐   │
│  │              MCP Tools                │   │
│  │  detect_anomaly  │  explain_attack    │   │
│  │  recommend_response  │  query_history │   │
│  └───────────────────────────────────────┘   │
└──────────────────────────────────────────────┘
                   │
        ┌──────────▼──────────┐
        │    NCSRD Dataset    │
        │    (local CSV)      │
        └─────────────────────┘

第1层——感知： XGBoost分类器（在NCSRD-DS-5GDOS上训练）检测来自实时遥测的攻击。

第2层——推理： LLM生成情境事件报告和缓解建议。

第3级——行动： 用于自动响应的通用REST API集成（黑名单UE、隔离切片、速率限制）。与Open5GS、free5GC、OAI或任何自定义NMS兼容 RESPONSE_API_URL 以启用。

______________________________________________________________________

配置参考

所有设置均通过环境变量进行。复制 .env.example 到 .env 开始吧。

变量	默认值	描述
`LLM_BACKEND`	`claude`	`claude`	`ollama`	`openai_compatible`
`ANTHROPIC_API_KEY`	--	需要时 `LLM_BACKEND=claude`
`CLAUDE_MODEL`	`claude-sonnet-4-6`	人体模型ID
`OLLAMA_BASE_URL`	`http://localhost:11434`	Ollama服务器URL
`OLLAMA_MODEL`	`llama3.2`	任何通过拉取的模型 `ollama pull`
`OPENAI_API_KEY`	--	需要时 `LLM_BACKEND=openai_compatible`
`OPENAI_BASE_URL`	`https://api.openai.com/v1`	任何与OpenAI兼容的端点URL
`OPENAI_MODEL`	`gpt-4o-mini`	端点处的模型名称
`LLM_MAX_TOKENS`	`2048`	LLM完成的最大令牌数
`LLM_TEMPERATURE`	`0.3`	发电温度
`ANOMALY_THRESHOLD`	`0.5`	攻击置信阈值（0.0–1.0）
`RESPONSE_API_URL`	-	用于自动执行的网络管理API（可选）
`RESPONSE_API_KEY`	-	响应API的承载令牌（可选）
`MCP_PORT`	`8000`	服务器端口
`LOG_LEVEL`	`INFO`	日志记录级别

______________________________________________________________________

数据集

NCSRD-DS-5GDOS v3.0 — DOI:10.5281/zenodo.13900057

文件	大小	描述
`amari_ue_data_merged_with_attack_number.csv`	241.5毫巴	主ML文件 --标记，6类
`amari_ue_data_classic_tabular.csv`	143.6 MB	UE指标，经典小区
`amari_ue_data_mini_tabular.csv`	87.3 MB	UE指标，迷你小区
`enb_counters_data_classic_tabular.csv`	72.2 MB	小区级eNB计数器
`enb_counters_data_mini_tabular.csv`	38.2 MB	迷你手机计数器
`mme_counters.csv`	37.1 MB	NAS层MME计数器
`summary_report.xlsx`	18.0 kB	每个UE的攻击摘要

攻击标签(attack_number 列）： 0 良性· 1 SYN洪水· 2 UDP洪水· 3 ICMP洪水· 4 DNS洪水· 5 GTP-U洪水

______________________________________________________________________

项目对齐

欧盟项目	一体化
海	5G安全的代理人工智能

______________________________________________________________________

引用

@dataset{ncsrd_5gddos_2024,
  title     = {NCSRD-DS-5GDDoS: 5G Radio & Core Metrics -- DDoS Attack Dataset},
  author    = {NCSRD and Space Hellas},
  year      = {2024},
  doi       = {10.5281/zenodo.13900057},
  publisher = {Zenodo},
  license   = {CC BY 4.0},
  note      = {EU Horizon PRIVATEER project, Grant 101096110}
}

______________________________________________________________________

许可证

MCP服务器代码：MIT。数据集：CC BY 4.0（引用上面的DOI）。

目录标签

机器学习PythonClaude5G安全本地部署DDoS检测实时响应网络防护

支持客户端

Claude

接入字段

传输方式（transport，传输协议）

stdio

鉴权方式（authType，认证方式）

session

工具数量（toolCount，工具数）

4

资源数量（resourceCount，资源数）

0

提示词数量（promptCount，提示词数）

0

权限和风险

stdiosession部署方式未说明

接入前请确认传输方式、认证方式和部署位置，并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限；先核对安装命令和配置内容。

来源信息

MCP World

mcpworld.com

/detail/34f0b0f023b6baa5161ff2f73408e4e0

一个实时检测、解释和响应5G DDoS攻击的协议服务器，适用于5G网络安全防护。

继续浏览同类 MCP

更多安全风控 MCP（3,600）返回 MCP 目录

上一个 MCP

3xcaffeine MCP

一个安全的MCP服务器，提供全面的Google Workspace集成，支持通过自然语言控制Gmail、Google Drive、Calendar等，具备多用户隔离和高级会话管理功能。

下一个 MCP

9olidity MCP

全面解析MCP Server PentestMCP Server的核心功能、安装配置和实用案例。作为顶级Model Context Protocol服务器，MCP Server Pentest能让AI助手访问实时数据、执行操作，为您提供更智能的工作体验和自动化解决方案。

5g Ddos MCP

快速接入

详细介绍

它的作用

快速开始

方案A-克劳德（API无烟煤）

选项B——Ollama（本地开源LLM，完全离线）

选项C——OpenAI兼容端点

选项D——Docker（任何后端）

选项E——Kubernetes

数据集设置

命令行界面

server --启动MCP服务器

detect --对5G遥测技术进行分类

explain --生成事件报告

recommend --获取缓解建议

history --查询事件历史记录

train --训练XGBoost分类器

dataset --管理NCSRD数据集

version --显示环境信息

建筑

配置参考

数据集

项目对齐

引用

许可证

目录标签

接入字段

权限和风险

来源信息

继续浏览同类 MCP

`server` --启动MCP服务器

`detect` --对5G遥测技术进行分类

`explain` --生成事件报告

`recommend` --获取缓解建议

`history` --查询事件历史记录

`train` --训练XGBoost分类器

`dataset` --管理NCSRD数据集

`version` --显示环境信息