ullas9525/IntelliThreat-System
GitHub: ullas9525/IntelliThreat-System
一个基于无监督机器学习的 AI 威胁检测系统，通过分析用户行为并生成风险评分来帮助 FinTech 中小企业发现内部人员和供应商的异常活动。
Stars: 1 | Forks: 0
# IntelliThreat 系统 🔐🤖
一个面向 Fin Tech 中小企业的 AI 驱动的内部与供应商威胁检测系统，采用无监督机器学习技术。
## 📌 概述
IntelliThreat System 旨在检测 Fin Tech 组织中员工、供应商和承包商的异常和高风险行为。它能够学习正常的用户活动模式，并生成风险评分，以便在造成重大损失之前识别潜在的内部威胁。
该系统特别适合没有专门安全团队的中小企业。
## 🎯 核心功能
- ✅ 无监督异常检测
- ✅ 风险评分生成（0–1 范围）
- ✅ 实时告警系统
- ✅ 可解释的 AI 洞察
- ✅ 交互式管理仪表板
- ✅ 安全的用户管理
## 🧠 使用的技术
| 类别 | 工具 |
| ------------- | ------------ |
| 编程语言 | Python |
| 机器学习 | Scikit-learn |
| 后端 | Flask |
| 数据库 | MySQL |
| 前端 | React.js |
| 可视化 | Matplotlib |
## ⚙️ 安装说明
1. 克隆代码仓库
git clone https://github.com/your-username/IntelliThreat-System.git
2. 切换至项目目录
cd IntelliThreat-System
3. 安装依赖
pip install -r requirements.txt
## 📊 输出结果
系统会生成：
- 每个用户/会话的风险评分
- 高风险告警
- 活动报告
- 可视化图表
输出示例：
| user\_id | risk\_score | alert |
| -------- | ----------- | ----- |
| U12 | 0.91 | High |
## 🧪 评估说明
由于本项目采用无监督学习，因此传统的准确率指标无法直接适用。
评估将通过以下方式进行：
- 人工验证
- 合成标签
- 分数分布分析
## 🚀 未来规划
- 实时日志流
- 深度学习自编码器
- 移动端告警应用
- SIEM 集成
- 云部署
## 🤝 贡献指南
欢迎提交贡献。请 fork 本仓库并提交 pull request。
## 📜 许可证
本项目采用 MIT 许可证。你可以在 LICENSE 文件中查看完整的许可证文本。
标签：Flask, Python, React.js, 内部威胁检测, 异常检测, 无后门, 无监督学习, 时间线生成, 逆向工具