Barry-Dinka/ai-capstone-threat-intelligence-feed-dashboard

# AI 威胁情报源仪表板 ## 📌 项目概述 网络安全团队每天面对来自博客、CVE 数据库和公共威胁源发布的大量威胁情报，应接不暇。本项目自动化了威胁数据的收集、摘要和优先级排序，使分析师能够专注于最相关的威胁，而无需手动审查所有内容。 ## ❗ 问题陈述 安全分析师花费过多时间手动阅读和整理来自不同来源的威胁数据。这减缓了响应时间，并增加了遗漏重要威胁的风险。该系统通过自动收集、分析和优先排序威胁情报解决了这一问题。 ## 👥 目标用户 - 安全分析师 - IT 管理员 - 中小型组织 这些用户需要快速且有序的威胁洞察，而无需手动监控多个来源。 ## 🏗️ 架构图 系统架构如下：  ## ⚙️ 组件拆解 ### 1. Feed 收集器 (n8n) - 从 RSS 源和 CVE 数据库收集威胁数据 - 对数据进行规范化并存储到 Airtable ### 2. AI 处理 (Hugging Face / Groq) - 执行情感分析 / 分类 - 提取重要信息（标签 + 置信度分数） ### 3. 存储 (Airtable) - 存储处理后的威胁数据 - 包含情感和置信度 ### 4. 仪表板 / 界面 - 显示处理结果 - 允许用户查看已排序的威胁 ## 📊 数据来源 - RSS 源（安全博客） - CVE 数据库 (NVD) - 公共威胁情报源 ## 🤖 AI 能力 - 文本分类（情感 / 威胁类型） - 置信度评分 - （可选）摘要或提取 ## 📈 成功指标 - 系统成功处理传入的威胁数据 - AI 正确分类情感 - 数据存储和显示无误 - 端到端工作流自动运行 - 仪表板显示有序的威胁结果 ## 🔗 GitHub 仓库 https://github.com/Barry-Dinka/ai-capstone-threat-intelligence-feed-dashboard ## 🛠️ 使用工具 - n8n - Hugging Face API - Airtable - draw.io ## 🚀 状态 项目设置和架构已完成。工作流实施正在进行中。

标签：Airtable, Apex, CVE 管理, HTTP/HTTPS抓包, Hugging Face, IaC 扫描, LLM, n8n, RSS 聚合, Unmanaged PE, XSS, 人工智能, 仪表盘, 企业安全, 威胁情报, 安全分析师, 安全运营, 工作流自动化, 开发者工具, 态势感知, 情感分析, 扫描框架, 文本分类, 机器学习, 漏洞情报, 用户模式Hook绕过, 网络安全, 网络调试, 网络资产管理, 自动化, 隐私保护