pavankolkar09/Threat-Intelligence-Intern

GitHub: pavankolkar09/Threat-Intelligence-Intern

一个集成 AI 分析能力的网络威胁情报平台,帮助安全团队完成 IOC 分析、威胁行为者追踪和趋势监控。

Stars: 0 | Forks: 0

# Sentinel Intelligence - AI 威胁分析系统 ## 项目概述 Sentinel Intelligence 是一个全面的网络威胁情报 (CTI) 平台,专为 **威胁情报实习生** 角色设计。它提供分析威胁指标 (IOC)、追踪威胁行为者以及使用先进 AI 分析监控全球安全趋势的工具。 ## 核心模块 1. **威胁行为者研究**:包含已知 APT 组织和网络犯罪分子及其 TTP(战术、技术和程序)的数据库。 2. **IOC 分析引擎**:利用 AI 对 IP、域名和文件哈希进行分析,以确定恶意性并提供缓解措施。 3. **网络钓鱼检测**:用于验证可疑 URL 和电子邮件域名的专用工具。 4. **威胁趋势监控**:可视化新兴网络安全趋势及其影响等级。 5. **情报仪表板**:系统活动和全球威胁统计数据的实时概览。 ## 系统架构 - **Frontend**:React 19 配合 Tailwind CSS 4.0,构建现代化、高密度的技术仪表板。 - **Backend**:Express.js 服务器,管理 API 路由和 Vite 中间件。 - **Database**:SQLite(通过 `better-sqlite3`)用于持久化存储行为者、趋势和分析历史。 - **AI 引擎**:Google Gemini 3.1 Flash,用于深度上下文威胁分析和报告生成。 ## 实习背景:真实世界任务 该项目有助于威胁情报实习生执行以下真实世界任务: - **分类 (Triage)**:快速识别日志中发现的 IOC 是否为已知威胁。 - **行为者归因**:将攻击技术映射到已知的威胁组织。 - **报告生成**:为利益相关者生成结构化情报报告。 - **趋势分析**:通过监控新兴攻击载体(如 Ransomware 2.0)保持领先。 ## 工作流程图 ``` graph TD A[User Input: IOC/URL] --> B{Analysis Engine} B --> C[SQLite History Check] B --> D[Gemini AI Analysis] D --> E[Threat Level Assessment] E --> F[Mitigation Recommendations] F --> G[Dashboard Visualization] G --> H[Export PDF/Markdown Report] ``` ## 设置说明 1. **环境变量**:确保在您的环境中设置了 `GEMINI_API_KEY`。 2. **安装**:运行 `npm install` 以安装依赖项。 3. **开发**:运行 `npm run dev` 以启动 Express 服务器和 Vite 前端。 4. **数据库**:系统在首次运行时自动初始化 `threat_intel.db`。 ## 示例数据集 系统预置了以下数据: - **行为者**:Lazarus Group、Fancy Bear (APT28)、Wizard Spider。 - **趋势**:Ransomware 2.0、供应链攻击、AI 增强型网络钓鱼。
标签:AI安全分析, AMSI绕过, DAST, DNS 反向解析, Express.js, Go语言工具, HTTP/HTTPS抓包, HTTP工具, IOC分析, IP 地址批量处理, MITM代理, React, SQLite, Syscalls, Tailwind CSS, TTPs分析, 人工智能, 威胁情报, 威胁检测, 威胁行为者, 安全报告生成, 安全运营, 开发者工具, 态势感知, 恶意软件分析, 扫描框架, 攻击归因, 用户模式Hook绕过, 网络安全, 网络安全实习, 网络安全审计, 网络钓鱼检测, 隐私保护