boomeshh/ai-cyber-safety-portal-defence

# 🔐 Rakshak AI — 国防网络安全门户 AI 驱动的网络事件报告和威胁情报平台，专为国防人员、家属和退伍军人设计。 ## 🚀 概述 Rakshak AI 帮助用户报告可疑消息、链接或网络事件。 该系统使用混合 AI 引擎分析威胁，并提供风险评分、分类和可行的洞察。 ## 🧠 AI 引擎 - 基于规则的检测（关键词、URL 模式） - 机器学习模型（TF-IDF + Logistic Regression） - 混合决策逻辑（规则 + ML） - 可解释的输出（原因 + 置信度） ## 📊 功能特性 - 附带证据（文本、URL、截图）的投诉提交 - 威胁分类（网络钓鱼、OPSEC 风险等） - 风险评分（低 / 中 / 高 / 严重） - 攻击活动检测（关联案件） - 用于分诊的管理员仪表板 - 带有分析功能的 CERT 指挥中心 ## 🏗️ 架构 用户 → 前端 (React) → 后端 (FastAPI) → AI 引擎 → 数据库 → 仪表板 ## 🧰 技术栈 - 前端：React - 后端：FastAPI (Python) - 数据库：SQLite - AI/ML：Scikit-learn (TF-IDF + Logistic Regression) ## 📸 截图    ## 🔥 我面临的实际问题 - 模型准确率不一致 - 处理真实数据与合成数据 - 保护 API 端点安全 - 管理证据上传 ## ✅ 我是如何解决的 - 调优 TF-IDF + Logistic Regression - 平衡数据集（真实 + 合成） - 增加身份验证与数据校验 - 实现了结构化的证据存储 ## 💡 为什么做这个项目 大多数网络事件报告系统既缓慢又依赖人工。 Rakshak AI 旨在利用 AI 驱动的决策支持，实现威胁分析的自动化并缩短响应时间。 构建此项目是为了探索 AI 在网络安全领域的实际应用。 ## 🌍 在线演示 前端可以部署在 Vercel 上。后端可以托管在 AWS EC2 上。 ## 🎯 未来改进 - 在 AWS 上部署完整系统（EC2 + S3） - 增加深度学习模型 - 集成威胁情报 API - 实时警报和通知 ## 👨‍💻 作者 Boomesh 云计算工程学习者 (AWS) | AI 开发者

标签：Apex, API安全, AV绕过, AWS EC2, CERT指挥中心, CISA项目, FastAPI, JSON输出, OPSEC风险, OSV, Python, React, Scikit-learn, SQLite, Syscalls, TCP/IP协议栈, TF-IDF, URL分析, Vercel, Web应用程序, 人工智能, 代码示例, 仪表盘, 军事防御, 军队网络安全, 可解释AI, 基于规则的检测, 威胁情报, 实时处理, 开发者工具, 投诉管理, 数据分析, 文本分类, 无后门, 机器学习, 案件分流, 混合检测引擎, 用户模式Hook绕过, 网络安全, 网络安全平台, 网络钓鱼检测, 逆向工具, 逻辑回归, 隐私保护, 风险评分