f704541f83
- Rewrote _d1_h2_settings() with 3-signal weighted formula: direct_score×0.60 + dict_match×0.30 + ja4_coherence×0.10 when individual SETTINGS cols are available in the DataFrame - Added _H2_SETTINGS_COLS dict (IDs 1,2,3,4,5,6,8 → column names) - Fallback to dict_match×0.80 + ja4_coherence×0.20 for backward compat - Fix view_ai_features_1h: pass 7 individual SETTINGS columns through base_data CTE (h2_header_table_size, h2_enable_push, h2_max_concurrent_streams, h2_initial_window_size, h2_max_frame_size, h2_max_header_list_size, h2_enable_connect_protocol) - Remove non-existent h2_dict_confidence reference from view SQL (dict_browser_h2 only exposes browser_family attribute) - Add 7 new pytest cases: exact match, one wrong setting, forbidden key penalty, unknown fingerprint with correct settings, fallback path, CDN proxy neutralisation, full Chrome simulation - 53/53 bot-detector tests pass - Update thesis §3.9.2: document direct comparison algorithm + fallback Co-authored-by: Copilot <223556219+Copilot@users.noreply.github.com>
Schéma ClickHouse — ja4-platform
Ce répertoire contient les 13 fichiers SQL définissant le schéma complet de la plateforme. Le schéma utilise un patron double-base :
ja4_logs— ingestion brute et logs HTTP parsésja4_processing— agrégations, ML, vues, dictionnaires, audit
Les noms de base sont configurables via variables d'environnement
(CLICKHOUSE_DB_LOGS, CLICKHOUSE_DB_PROCESSING).
Fichiers SQL
Appliquer dans l'ordre numérique :
| Fichier | Contenu |
|---|---|
00_database.sql |
Création des bases ja4_logs et ja4_processing |
01_raw_tables.sql |
Table d'ingestion http_logs_raw |
02_dictionaries.sql |
Dictionnaire dict_iplocate_asn, tables ref_bot_networks, bot_ip, bot_ja4 |
03_anubis_tables.sql |
Tables de règles Anubis (anubis_ip_rules, anubis_asn_rules) et dictionnaires (dict_anubis_ip, dict_anubis_asn) |
04_mv_http_logs.sql |
Table http_logs + vue matérialisée mv_http_logs (parse JSON + enrichissement Anubis IP→ASN) |
05_aggregation_tables.sql |
Dictionnaires de réputation (dict_bot_ip, dict_bot_ja4, dict_browser_ja4, dict_asn_reputation) + tables d'agrégation + MVs |
06_ml_tables.sql |
Tables ML (ml_detected_anomalies, ml_all_scores) + vue view_ip_recurrence |
07_ai_features_view.sql |
Vue view_ai_features_1h (~65+ features ML) |
08_users.sql |
Utilisateurs data_writer et analyst avec permissions |
09_audit_table.sql |
Table audit_logs pour le journal d'audit SOC |
10_perf_indexes.sql |
Index secondaires et projections de performance |
11_views.sql |
Vues dashboard (entités, user-agents, force brute, rotation JA4, cascade) |
12_thesis_features.sql |
Tables d'agrégation thèse (§5) + vue view_thesis_features_1h |
Déploiement
Méthode recommandée
Utiliser deploy_schema.sh qui applique les 13 fichiers avec substitution
automatique des noms de base :
./deploy_schema.sh
# Ou avec configuration personnalisée :
CLICKHOUSE_DB_LOGS=my_logs \
CLICKHOUSE_DB_PROCESSING=my_proc \
CLICKHOUSE_HOST=clickhouse-server \
CLICKHOUSE_PASSWORD='secret' \
./deploy_schema.sh
Application manuelle
for f in 0*.sql 1*.sql; do
clickhouse-client --multiquery < "$f"
done
Prérequis
- ClickHouse 24.8+ (support
deduplicate_merge_projection_mode) - Fichiers CSV dans
/var/lib/clickhouse/user_files/:iplocate-ip-to-asn.csv— correspondance IP→ASN (~714K entrées)bot_ip.csv— préfixes IP de bots connus (~3,5K CIDR)bot_ja4.csv— empreintes JA4 de bots (~31 entrées)browser_ja4.csv— empreintes JA4 de navigateurs (~1,2K entrées)asn_reputation.csv— labels de réputation ASN (~82K entrées)
- Mots de passe Anubis : remplacer
CHANGE_MEdans03_anubis_tables.sql
Notes
- Toutes les migrations sont idempotentes (
IF NOT EXISTS/CREATE OR REPLACE). 04_mv_http_logs.sqlest la version canonique de la vue matérialisée.- Les références inter-bases existent : les MVs dans
ja4_processinglisent depuisja4_logs.http_logs. - Documentation complète :
docs/database/schema.mdetdocs/database/migrations.md.