7Bharanidaran/anomaly-detection-system
GitHub: 7Bharanidaran/anomaly-detection-system
一个基于隔离森林与ELK的蓝队异常检测系统，用于从日志中识别异常并生成告警。
Stars: 0 | Forks: 0
# AI金融异常检测系统
本项目使用机器学习与基础安全监控技术检测可疑金融交易。
## 描述
一个简单的系统，用于分析交易数据、识别异常并生成告警。同时模拟类似真实网络安全系统的基础日志监控。
## 功能
* 检测异常交易
* 为可疑活动生成告警
* 解析并处理日志
* 将数据发送至 Elasticsearch
* 使用 Kibana 可视化结果
## 技术栈
* Python
* Scikit-learn
* Elasticsearch
* Kibana
## 运行方法
1. 克隆仓库
2. 安装所需库
3. 运行主文件：
```
python main.py
```
## 项目结构
* `main.py` → 主程序
* `models/` → 机器学习模型
* `parser/` → 日志解析
* `alerting/` → 告警生成
* `data/` → 数据集
## 使用场景
* 欺诈检测
* 基础安全监控
* 学习机器学习 + 网络安全
## 注意
数据集或 `.deb` 包等大型文件未包含在本仓库中。
## 依赖
- Elasticsearch: https://www.elastic.co/elasticsearch/
- Kibana: https://www.elastic.co/kibana/
- Scikit-learn: https://scikit-learn.org/stable/
- Python: https://www.python.org/
标签：AI金融, AMSI绕过, Apex, Cloudflare, Elasticsearch, ELK Stack, MITRE ATT&CK, Python, Scikit-learn, SEO: ELK Stack, SEO: Kali Linux 项目, SEO: 机器学习安全, SEO: 网络威胁检测, SEO: 金融异常检测, 交易异常, 告警系统, 威胁检测, 孤立森林, 安全监测, 异常检测, 无后门, 日志解析, 机器学习, 网络安全监控, 证书伪造, 越狱测试, 逆向工具, 金融欺诈检测, 驱动开发