riyatyagi123/Cyber-Threat-Intelligence-Using-OSINT-ML

# Cyber-Threat-Intelligence-Using-OSINT-ML 一个后端驱动的网络威胁情报系统被开发出来，用于将机器学习模型与多个外部威胁情报 API 结合，以分析 URL、可执行文件和 IP 地址。该系统使用 Python 构建，后端框架为 Flask，并集成了 VirusTotal、AbuseIPDB、Shodan 和 WhoisXML 等 API，以进行增强型威胁分析。 用户通过基于 Web 的界面与系统交互，可以提交 URL、上传文件或输入 IP 地址以供分析。后端处理这些输入，执行特征提取、运行机器学习推理以进行网络钓鱼和恶意软件检测，并将 API 响应聚合为结构化输出，以便清晰解读。 通过服务器端输入验证、私有 IP 过滤、异常处理和高效的请求处理，确保了系统的性能与可靠性。模块化架构支持可扩展性，并设计为可直接部署，未来计划集成异步处理和云基础设施，从而使分析时间减少了 70%，并显著提升了系统响应速度。

标签：AbuseIPDB, Apex, API密钥检测, Ask搜索, ESC4, Flask, IP分析, OSINT, Python后端, URL分析, VirusTotal, Web接口, WhoisXML, 云基础设施, 分布式计算, 可扩展架构, 响应速度提升, 异常处理, 异步处理, 性能优化, 推理, 文件分析, 服务器端验证, 机器学习, 检测绕过, 模块化设计, 特征提取, 私有IP过滤, 结构化输出, 网络威胁情报, 自动化修复, 输入验证, 逆向工具, 部署就绪, 钓鱼检测