awarun/Intelligent-Vulnerability-Scanner

# 智能网络漏洞扫描系统 ## 项目简介 一个基于 Web 的系统，可扫描网络目标（IP、URL 或子网）， 利用机器学习预测漏洞严重程度，并一键生成 可下载的 PDF 报告。 ## 核心贡献 创新点 1. **实时 Nmap 扫描**与 ML 预测直接集成 2. **准确的特征对齐** — CVSS 攻击向量指标与 Nmap 扫描输出完全匹配，不同于 IDS 数据集（UNSW-NB15、KDD99） 3. **自动生成的 PDF 报告**，采用通俗易懂的语言，适合非技术管理层阅读 ## 技术栈 语言 - Python 3.13 机器学习 - Scikit-learn (Random Forest) 数据集 - NVD/CVE 2024 (1,314 条记录) 网络扫描 - Nmap 7.95 + Python-Nmap Web 界面 - Streamlit PDF 报告 - ReportLab ## 项目进度 ### 第 1 周 — 数据集预处理 + Random Forest 模型 (准确率 85.93%) ### 第 2 周 — Streamlit Web 应用 + Nmap 集成 ### 第 3 周 — 在 Metasploitable 2 虚拟机上进行测试 ### 第 4 周 — 最终文档撰写与提交 ## 如何运行 ``` # 安装依赖 python -m pip install pandas numpy scikit-learn matplotlib seaborn streamlit reportlab openpyxl python-nmap # 从 Kaggle 下载 dataset 并放置在 dataset/ 文件夹 # https://www.kaggle.com/datasets/manavkhambhata # 预处理 data python preprocess.py # 训练 model python train.py # 启动 app（第 2 周推出） streamlit run app/app.py ## 道德声明 Only scan networks you own or have written authorisation to scan. ```

标签：Apex, CTI, CVE, CVSS, Kubernetes, Metasploitable, Nmap, NVD, PDF生成, Python, Scikit-learn, Streamlit, 代码示例, 密码管理, 插件系统, 数字签名, 数据分析, 无后门, 机器学习, 毕业设计, 网络安全, 自动化报告, 虚拟驱动器, 访问控制, 逆向工具, 随机森林, 隐私保护