bhavanaganneru/cyberguard-ai-nsl-kdd

# 🛡️ CyberGuard AI：网络入侵检测系统 **CyberGuard AI** 是一个基于 Machine Learning 的安全仪表板，用于监控网络流量并使用 **NSL-KDD dataset** 识别恶意活动。它具备 **Explainable AI (SHAP)** 功能，可以准确显示特定连接为何被标记为威胁。 ## 🚀 功能特性 - **Real-time Classification**：使用 Random Forest 模型预测“Normal（正常）”与“Attack（攻击）”流量。 - **Risk Scoring**：显示每个网络数据包的概率百分比。 - **Explainable AI (XAI)**：使用 SHAP 条形图可视化特征重要性。 - **Secure Access**：用于企业监控的管理员登录系统。 - **Data Export**：下载经过筛选的攻击日志以进行取证分析。 ## 🛠️ 技术栈 - **Language**：Python 3.10+ - **Frontend**：Streamlit - **ML Library**：Scikit-Learn, Joblib - **Explainability**：SHAP (SHapley Additive exPlanations) - **Data Visualization**：Matplotlib, Seaborn ## 📋 安装与设置 1. **Clone the repository** git clone [https://github.com/YOUR_USERNAME/cyberguard-ai.git](https://github.com/YOUR_USERNAME/cyberguard-ai.git) cd cyberguard-ai 2.安装依赖 pip install streamlit pandas scikit-learn shap matplotlib seaborn joblib 3. 训练模型 python train_model.py 4.启动仪表板 streamlit run dashboard.py

标签：Apex, Kubernetes, NIDS, NSL-KDD, Python, Scikit-Learn, SHAP, Streamlit, XAI, 人工智能, 企业安全, 入侵检测系统, 可解释AI, 威胁识别, 安全仪表盘, 安全数据湖, 容器化, 异常检测, 无后门, 机器学习, 用户模式Hook绕过, 网络安全, 网络资产管理, 访问控制, 逆向工具, 随机森林, 隐私保护