CHANDHU-SYS/malware_detection
GitHub: CHANDHU-SYS/malware_detection
结合 YARA 规则与多种机器学习及深度学习模型的恶意软件检测框架，支持对 URL、邮件和消息等文本数据进行自动化分析与告警。
Stars: 0 | Forks: 0
📁 Malware_Detection_Project
├── 📁 data
│ ├── 📁 training_data # 训练数据集 (URL、电子邮件、消息)
│ ├── 📁 test_data # 测试数据集
│ └── 📁 yara_rules # YARA 规则文件 (.yar)
├── 📁 models
│ ├── cnn_model.py # 用于深度学习的 CNN 模型
│ ├── rnn_model.py # 用于深度学习的 RNN 模型
│ ├── ensemble_model.py # 结合输出的混合模型
│ └── ml_models.py # ML 模型 (SVM, Random Forest 等)
├── 📁 utils
│ ├── preprocessing.py # 数据清洗、分词
│ ├── feature_extraction.py # 从 YARA + 输入数据中提取特征
│ └── helper_functions.py # 用于日志记录、警报的辅助函数
├── 📁 reports
│ └── results.md # 保存评估结果
├── 📁 logs
│ └── detection_logs.txt # 实时检测日志
├── 📁 outputs
│ └── alerts.log # 恶意软件检测警报
├── main.py # 运行项目的主脚本
├── requirements.txt # Python 依赖项
└── README.md # 项目文档
# 安装说明
克隆仓库：
git clone https://github.com/your-repo/malware-detection
cd malware-detection
设置虚拟环境：
python -m venv venv
source venv/bin/activate # 在 macOS/Linux 上
venv\Scripts\activate # 在 Windows 上
安装依赖项：
pip install -r requirements.txt
预处理数据集：
python utils/preprocessing.py
训练机器学习模型：
python models/ml_models.py
训练深度学习模型 (CNN/RNN)：
python models/cnn_model.py
python models/rnn_model.py
运行混合集成模型：
python models/ensemble_model.py
测试最终模型：
python main.py
标签：AMSI绕过, Apex, BSD, CNN, DAST, DNS信息、DNS暴力破解, Go语言工具, Python, RNN, URL检测, YARA规则, 人工智能安全, 合规性, 威胁检测, 安全防护, 恶意软件分析, 支持向量机, 数据挖掘, 数据预处理, 文本分类, 无后门, 机器学习, 模型训练, 深度学习, 混合模型, 特征提取, 网络安全, 逆向工具, 邮件安全, 随机森林, 隐私保护, 集成学习