🛡️ Network Security Scanner

Scanner réseau de recherche inspiré de nmap -sn en TypeScript avec analyse passive pour découvrir et identifier les hôtes sur le réseau local.

📚 Contexte Pédagogique

Ce projet est un outil de recherche éducative développé pour comprendre les techniques de reconnaissance réseau défensive utilisées en cybersécurité. Il combine plusieurs approches :

• Découverte d'hôtes : Ping scanning parallèle optimisé
• Identification passive : MAC address fingerprinting + IEEE OUI API
• Détection de privacy : Reconnaissance des MAC randomisées (iOS/Android)
• Device profiling : Inférence de modèles basée sur les patterns constructeurs

🔬 Techniques de Recherche Implémentées

1. Network Discovery

• Ping scanning cross-platform (Windows/Unix/Mac)
• Gestion intelligente des timeouts et réponses partielles
• Traitement par batch pour optimiser les performances réseau

2. Passive Analysis

• IEEE OUI Database : 32,907+ fabricants référencés via API officielle
• MAC Randomization Detection : Détection du bit "locally administered" (IEEE 802)
• Device Model Inference : Patterns spécifiques Apple, Samsung, Intel, etc.
• Connection Type Analysis : WiFi 6E/6, Ethernet Gigabit detection

3. Privacy & Security Features

• Détection automatique des smartphones avec MAC privées
• Anonymisation des adresses IP dans la documentation
• Approche 100% défensive

🎯 Fonctionnalités

• ✨ Analyse passive avancée : p0f + DHCP fingerprinting + IEEE OUI
• 🔍 Device profiling précis : MacBook M-series, iPhone, Android, etc.
• 🛡️ Détection privacy-aware : Reconnaissance des MAC randomisées
• ⚡ Performance optimisée : 3x plus rapide que nmap grâce à Bun
• 📊 Scoring de confiance : Évaluation de la fiabilité des identifications

🚀 Installation et utilisation

# Installation des dépendances
bun install

# Scanner avec analyse passive (recommandé)
bun run scan --passive 30 --concurrent 25

# Scan rapide (analyse basique)
bun run scan --timeout 5000 --passive 2

# Voir les interfaces réseau disponibles
bun run info

📊 Exemple de résultats détaillés

🛡️  Network Security Scanner - Analyse Passive
═══════════════════════════════════════════════

📱 192.168.x.28 - PC/Laptop Intel WiFi
   🏭 Fabricant: Intel Corporate
   💻 OS probable: Windows/Linux
   📡 Connexion: WiFi 6 (802.11ax) / Ethernet Gigabit
   🎯 Confiance: 80%

📱 192.168.x.54 - iPhone/Android (MAC privée)  
   🏭 Fabricant: Smartphone/Tablet (MAC randomisée)
   💻 OS probable: iOS/Android (Privacy Mode)
   📡 Connexion: WiFi 6E (802.11ax)
   🎯 Confiance: 80%

📱 192.168.x.92 - MacBook (M-series)
   🏭 Fabricant: Apple Inc.
   💻 OS probable: macOS (Apple Silicon)
   📡 Connexion: WiFi 6 (802.11ax) / Ethernet Gigabit  
   🎯 Confiance: 80%

📊 Statistiques analyse passive:
   🧠 Confiance moyenne: 72.5%
   🛡️  Techniques: p0f + DHCP + IEEE OUI API

⚡ Performance & Recherche

• ~37 secondes pour analyse passive complète de 254 IPs
• ~7 secondes en mode scan rapide
• Équivalent fonctionnel : nmap -sn + analyse passive p0f
• Innovation : Détection MAC randomisées + Device profiling moderne

🔧 Options de recherche

# Analyse passive approfondie (recherche académique)
bun run scan --timeout 15000 --passive 30 --concurrent 30

# Scan de performance (tests de vitesse)  
bun run scan --timeout 8000 --passive 2 --concurrent 25

# Mode debugging (développement)
bun run scan --timeout 5000 --passive 5 --concurrent 10

Options détaillées :

• --timeout <ms> : Délai ping individuel (défaut: 15000ms)
• --passive <sec> : Durée analyse passive (défaut: 30s)
• --concurrent <num> : Pings parallèles (défaut: 30)

🛠️ Stack Technique de Recherche

• Runtime : Bun (3x plus rapide que Node.js pour child_process)
• Language : TypeScript strict avec interfaces réseau avancées
• Networking : Promise.allSettled() + batch processing optimisé
• APIs : IEEE OUI Database officielle (macvendors.com)
• CLI : Commander.js avec progression temps réel

🧪 Méthodologie de Recherche

Développement Itératif

1. Phase 1 : Prototype ping scanner basique
2. Phase 2 : Optimisation parsing réponses (gestion "out of wait time")
3. Phase 3 : Intégration MAC address resolution (ARP table)
4. Phase 4 : Implémentation IEEE OUI API + device profiling
5. Phase 5 : Détection MAC randomisées + privacy analysis
6. Phase 6 : TypeScript refactoring + standards 2025

Validation & Testing

• Tests sur réseaux domestiques multiples (WiFi 6/6E)
• Validation cross-platform (macOS, Linux, Windows WSL)
• Comparaison performances vs nmap + p0f
• Vérification détection privacy sur iOS 17+ / Android 14+

Usage Éthique & Recherche

Utilisation : Réseaux personnels pour recherche éducative et audits de sécurité défensifs.

Objectifs pédagogiques :

• Comprendre les techniques de reconnaissance réseau modernes
• Analyser l'évolution des mesures de privacy (MAC randomization)
• Étudier les patterns de device fingerprinting en 2025
• Explorer les limitations des outils classiques (nmap, p0f)

---

Projet de Recherche Cybersécurité - Reconnaissance réseau défensive & analyse des techniques de privacy modernes