wassimsmt/Security-Incident-Investigation

GitHub: wassimsmt/Security-Incident-Investigation

一个展示安全事件调查流程的教学项目,演示了手动分析与AI辅助相结合的日志研判方法。

Stars: 0 | Forks: 0

# 安全事件调查(手动 + AI 辅助) ## 概述 本项目利用日志数据模拟了一次简单的安全事件调查。 该方法首先手动分析日志,然后使用 AI 提高分析的清晰度和结构化程度,最后得出切合实际的结论。 ## 方法 1. 手动审查日志 2. 识别可疑活动 3. AI 辅助优化 4. 基于两者的最终结论 ## 关键发现 - 多次登录失败后伴随一次成功登录 - 创建新用户账户 - 向外部 IP 的出站连接 - 文件压缩活动 这些事件共同表明了一系列潜在的可疑行为。 ## 结论 这些活动可能表明系统遭到了入侵,但仅凭现有的日志无法确认。 需要进一步的调查。 ## 心得体会 - 如何逐步分析日志 - 如何从多种场景进行思考 - 如何避免草率下结论 - 如何利用 AI 改进分析,而不是完全依赖它 ## 截图 ### 日志 ![Logs](https://static.pigsec.cn/wp-content/uploads/repos/2026/04/194e1bb3f3095718.png) ### 手动分析 ![Manual](https://static.pigsec.cn/wp-content/uploads/repos/2026/04/418f697ccb095720.png) ### AI 辅助版本 ![AI](https://static.pigsec.cn/wp-content/uploads/repos/2026/04/18ab5ecd76095721.png) ### 最终结论 ![Conclusion](https://static.pigsec.cn/wp-content/uploads/repos/2026/04/b0afc20c11095722.png) ## 作者 Wassim Abelghouch
标签:BurpSuite集成, HTTP工具, PoC, SOC 分析, T1005, T1041, T1078, T1110, T1136, 人工智能辅助, 威胁 hunting, 安全事件调查, 安全运营, 异常检测, 扫描框架, 数字取证, 暴力破解, 用户行为分析, 结构化推理, 网络安全, 自动化脚本, 隐私保护