ronitraii/threat-intelligence-hub

# 🛡️ 威胁情报中心 **企业级综合威胁检测与事件响应平台**，集成了网络 IDS、日志分析、恶意软件检测和事件响应仪表板。 ## 🎯 项目概述 该平台提供跨多个安全领域的全面威胁检测： - **模块 1：网络入侵检测系统 (IDS)** - 对网络流量进行实时异常检测 - **模块 2：日志分析引擎** - 智能日志关联与威胁狩猎 - **模块 3：恶意软件检测** - 行为分析与恶意软件分类 - **模块 4：事件响应仪表板** - 统一可视化与事件管理 ## ✨ 功能 ### 网络 IDS 模块 - 使用 ML 模型进行实时网络流量分析 - 支持多种 ML 算法（Isolation Forest、Autoencoders、XGBoost） - 支持 UNSW-NB15 和 NSL-KDD 数据集 - ROC 曲线分析和性能指标 ### 日志分析模块 - 多源日志摄取（Windows、Linux、防火墙、Web 服务器） - 事件关联与攻击时间线重建 - 暴力破解、权限提升、横向移动检测 - 模式匹配与异常评分 ### 恶意软件检测模块 - 静态与动态特征提取 - 恶意软件家族分类 - 行为分析与 IoC 生成 - 支持 PE 文件分析 ### 事件响应仪表板 - 实时威胁可视化 - 攻击时间线与攻击链分析 - 告警管理与严重性评分 - 集成所有检测模块 ## 🚀 快速开始 ### 前置条件 - Python 3.11+ - Git ### 安装说明 ``` # Clone repository git clone https://github.com/ronitraii/threat-intelligence-hub.git cd threat-intelligence-hub # Create virtual environment python -m venv venv source venv/bin/activate # On Windows: venv\Scripts\activate # Install dependencies pip install -r requirements.txt # 下载 datasets（可选） python scripts/download_datasets.py ``` ### 运行平台 ``` # 启动 Flask application python app.py # 打开浏览器访问 http://localhost:5000 ``` ## 📁 项目结构 ``` Threat-Intelligence-Hub/ ├── data/ │ ├── raw/ # Original datasets │ └── processed/ # Preprocessed data ├── models/ │ ├── isolation_forest.py │ ├── autoencoder.py │ └── xgboost_detector.py ├── detectors/ │ ├── __init__.py │ ├── network_ids.py # Module 1 │ ├── log_analyzer.py # Module 2 │ ├── malware_detector.py # Module 3 │ └── core.py # Base detector ├── web_ui/ │ ├── app.py # Flask application │ ├── dashboard.html # Module 4 UI │ └── api.py # REST API ├── research/ │ ├── thesis_proposal.md │ ├── dataset_analysis.ipynb │ └── performance_comparison.md ├── tests/ │ ├── test_network_ids.py │ ├── test_log_analyzer.py │ └── test_malware_detector.py ├── requirements.txt ├── README.md └── .gitignore ``` ## 🔬 研究与出版物 本项目专为以下用途设计： - **硕士研究：** “使用机器学习和行为分析的综合威胁检测” - **会议论文：** 网络入侵检测、日志关联、恶意软件分类 - **行业应用：** SOC 运营、事件响应、威胁狩猎 有关详细的分析和方法论，请参阅 [research/](research/)。 ## 📊 性能指标 ### 网络 IDS - 检测准确率：~95% - 误报率：<5% - 处理速度：实时 ### 日志分析 - 事件关联：亚秒级 - 攻击检测：90%+ 准确率 - 时间线重建：自动化 ### 恶意软件检测 - 分类准确率：~92% - 家族识别：500+ 家族 - 行为分析：动态 + 静态 ## 📚 文档 - [网络 IDS 模块](docs/network_ids.md) - [日志分析引擎](docs/log_analysis.md) - [恶意软件检测](docs/malware_detection.md) - [Dashboard API](docs/api.md) - [部署指南](docs/deployment.md) ## 📝 许可证 MIT 许可证 - 详情请参阅 LICENSE 文件 ## 👤 作者 **Ronit Rai** - 安全研究员与 ML 工程师 ## 🎓 学术用途 如果您在学术研究中使用本项目，请引用： ``` @software{threat_intelligence_hub_2026, author = {Traii, Roni}, title = {Threat Intelligence Hub: Integrated Threat Detection Platform}, year = {2026}, url = {https://github.com/ronitraii/threat-intelligence-hub} } ``` **状态：** ✅ 生产就绪 v1.0 | **开发周期：** 2025 年 12 月 15 日 - 2026 年 1 月 25 日（1.5 个月） | **最后更新：** 2026 年 1 月 25 日

标签：逆向工具