Manasvi-chennupati/Multi-Agent-Cyber-Threat-Intelligence-Response-System

**🛡️ 多智能体网络威胁情报与响应系统** 一款由 Agentic AI 驱动的智能自动化网络安全解决方案。该系统集成了多个智能体、外部 API 和工作流自动化工具，可实时检测、分析和响应网络威胁，同时维护历史日志以供分析。 **🌐 在线网站** https://multi-agent-cyber-threat-intelligence-response-system.streamlit.app/ **1. 🔍 业务问题** 在当今的数字世界中，网络安全威胁正在迅速增加。这些威胁包括恶意 IP 地址、钓鱼 URL 和可能危及系统与数据安全的恶意文件哈希。传统的检测方法大多是手动的、耗时的且低效的。此外，目前缺乏一个能够快速分析威胁、采取行动并维护日志以供未来参考的集中式自动化系统。这种检测和响应上的延迟增加了网络攻击和系统漏洞的风险。 **2. 💡 可能的解决方案** 为了解决这个问题，需要一个能够实现以下目标的智能自动化系统： 分析不同类型的输入，例如 IP 地址、URL 和文件哈希 使用外部威胁情报 API 检测威胁 自动触发警报和工作流 存储日志以供未来分析和审计 这样的系统应当快速、可扩展，并且能够在没有人工干预的情况下做出决策。 **3. 🚀 实施的解决方案** 提出的解决方案是一个使用 Agentic AI 概念构建的多智能体网络威胁情报系统。 该系统由多个专门的智能体组成： 监控智能体 → 捕获用户输入 (IP/URL/HASH) 分析智能体 → 使用 API (AbuseIPDB, VirusTotal) 评估威胁 响应智能体 → 采取行动并触发工作流 解释智能体 → 生成人类可读的解释 **🔄 工作流：** 用户通过 Web 界面输入 监控智能体收集输入 分析智能体使用 API 检查威胁级别 系统将结果分类为 SAFE 或 THREAT 响应智能体通过 n8n 触发自动化 数据存储在 Google Sheets 中 用户可以查看结果和搜索历史 该系统确保了实时的检测、自动化和日志记录。 **4. 🛠️ 使用的技术栈** 组件 - 技术 后端逻辑 - Python 前端 UI - Streamlit 工作流自动化 - n8n IP 分析 - AbuseIPDB API URL/哈希分析 - VirusTotal API 数据库/日志记录 - Google Sheets 环境配置 - python-dotenv **5. 🧩 架构图** 架构流程： 用户输入 (网站) -> 监控智能体 -> 分析智能体 -> 决策 (SAFE / THREAT) -> 响应智能体 -> n8n 工作流自动化 -> Google Sheets + 电子邮件警报  **6. ▶️ 如何在本地运行** 🔹 第 1 步：安装依赖 pip install requests streamlit python-dotenv 🔹 第 2 步：创建 .env 文件 ABUSE_API_KEY=your_api_key VT_API_KEY=your_api_key 🔹 第 3 步：启动 n8n n8n start 🔹 第 4 步：运行应用程序 python -m streamlit run app.py 🔹 第 5 步：在浏览器中打开 http://localhost:8501 **7. 📚 参考资料与资源** https://www.abuseipdb.com/ https://www.virustotal.com/ https://docs.n8n.io/ https://docs.streamlit.io/ **8. 🎥 录像** https://drive.google.com/file/d/1qiCh8StwE_Iy4Hj-fn5oayJXBWXuOkp2/view?usp=drivesdk **9. 📸 截图** 🌐 网站 UI    🔗 n8n 工作流  📊 Google Sheets 输出  **10. 📐 格式化** ✔ 使用了适当的标题 ✔ 使用项目符号提高可读性 ✔ 整洁的间距和对齐方式 ✔ 结构化的章节以保持清晰 **11. ⚠️ 遇到的问题及解决方案** 在该项目的开发过程中，遇到了一些技术挑战并得到了有效解决。 其中一个主要问题是处理 API 错误，因为 AbuseIPDB 和 VirusTotal 等外部服务有时会返回意外的响应或请求失败。通过使用 try-except 块实现强大的错误处理解决了这个问题，确保系统即使在发生 API 故障时也能继续平稳运行。 另一个挑战是 Streamlit 的重新渲染行为，即每次交互时整个 UI 都会重新加载。这导致输入字段和按钮经常重置。为了克服这个问题，使用了 Streamlit 的 session_state 来保留 UI 状态并在重新运行期间维持用户的交互。 n8n 中的数据集成也存在问题，系统最初返回的是非结构化文本而不是 JSON。这导致向 Google Sheets 发送数据时出现映射失败。通过将输出重构为正确的 JSON 格式解决了这个问题，从而实现了无缝的工作流自动化。 此外，历史记录功能最初依赖于临时内存，导致刷新后数据丢失。通过使用本地 JSON 文件实现持久化存储解决了这个问题，允许用户高效地检索和过滤过去的记录。

标签：AbuseIPDB, Agentic AI, Ask搜索, IP 地址批量处理, Kubernetes, PyRIT, Streamlit, URL安全检测, VirusTotal, 多智能体系统, 威胁分析, 威胁情报, 工作流自动化, 开发者工具, 恶意IP检测, 文件哈希分析, 智能安全, 网络信息收集, 网络安全, 自动化侦查工具, 自动化响应, 访问控制, 逆向工具, 隐私保护