prerak1603/flow-based-anomaly-detection
GitHub: prerak1603/flow-based-anomaly-detection
基于AI的5阶段网络入侵检测平台，提供实时异常流量检测。
Stars: 4 | Forks: 0
# Aegis AI — 网络入侵检测系统 🛡️
## 🛠️ 技术栈
| 层 | 技术 |
|-------|-----------|
| 机器学习流程 | Python, XGBoost, LightGBM, Scikit-learn, PyTorch |
| 数据增强 | WGAN-GP (PyTorch) |
| 自然语言处理 | HuggingFace Transformers, DistilBERT |
| 超参数调优 | Optuna |
| REST API | Java 17, Spring Boot, Maven |
## 👤 作者
**Prerak Nain** — B.Tech CS, Bennett University (2023–2027)
[LinkedIn](https://linkedin.com/in/preraknain) · [GitHub](https://github.com/prerak1603)
标签：Apex, API开发, DistilBERT, HuggingFace, LightGBM, Optuna, PyTorch, REST API, ROC-AUC, Scikit-learn, Spring Boot, TCP/IP协议栈, WGAN-GP, XGBoost, 人工智能, 准确率, 凭据扫描, 实时监测, 数据增强, 机器学习, 深度学习, 用户模式Hook绕过, 网络安全, 网络安全平台, 网络测绘, 超参数调优, 逆向工具, 隐私保护, 集成学习