saurav688/SIH-2025-ML-CRYPTO-PRIMITIVE-IDENTIFICATION-FIRMWARE-DETECTION

🔐 固件中的 AI-ML 密码学原语识别 📌 概述 固件中的 AI-ML 密码学原语识别是一个专注于使用人工智能和机器学习技术，自动识别嵌入在固件二进制文件中的密码学原语的项目。 该系统旨在通过检测诸如 AES、SHA 等密码学算法，辅助进行固件安全分析、恶意软件检测和逆向工程，而无需完全依赖人工分析。 🎯 问题陈述 固件通常包含具有以下特征的密码学实现： 混淆处理 难以手动检测 深埋在二进制文件内部 传统的基于签名的方法在面对现代固件时往往失效。 本项目使用 ML 模型和基于图的分析来准确检测密码学原语。 🚀 功能 ✅ 自动检测密码学原语 ✅ 支持固件二进制分析 ✅ 基于 ML 的分类 ✅ 基于图的特征提取 ✅ 模块化且可扩展的架构 ✅ 支持 Web 界面 (HTML/CSS/JS) ✅ 支持安全的电子邮件配置 🧠 使用的技术 🔹 编程与脚本 Python JavaScript HTML / CSS 🔹 AI / ML 机器学习模型 (PyTorch) 基于图的数据表示 特征提取与分类 🔹 工具与库 PyTorch NetworkX NumPy Flask (API 服务器) Git & GitHub ⚙️ 安装与设置 1️⃣ 克隆仓库 git clone https://github.com/saurav688/SIH-2025-ML-CRYPTO-PRIMITIVE-IDENTIFICATION-FIRMWARE-DETECTION/ 2️⃣ 创建虚拟环境 python -m venv venv venv\Scripts\activate # Windows 3️⃣ 安装依赖 pip install -r requirements.txt ▶️ 运行项目 🔹 启动后端服务器 python api_server.py 或 start_server.bat 🔹 运行模型预测 python predict_crypto.py 📊 数据集 基于图的密码学数据集 AES、SHA 及其他密码学算法样本 已预处理用于 ML 训练和推理 🔐 用例 固件恶意软件分析 网络安全研究 逆向工程自动化 嵌入式系统安全审计 学术与 SIH 黑客松研究 📸 预览 👩‍💻 作者 sourav tiwari GitHub: https://github.com/saurav688 📜 许可证 本项目为学术和研究目的而开发。 版权所有 © 2026。 ⭐ 致谢 Smart India Hackathon (SIH) 2025 开源 ML 与安全研究社区 导师与合作者

标签：AES加密, Apex, API服务器, DNS 反向解析, Flask, NetworkX, Python, PyTorch, SHA算法, Web界面, 二进制分析, 云安全运维, 云资产清单, 人工智能, 凭据扫描, 固件安全分析, 图形图像处理, 图神经网络, 密码学原语识别, 数据可视化, 数据预处理, 无后门, 机器学习, 深度学习, 混淆解除, 特征提取, 特权检测, 用户模式Hook绕过, 突变策略, 算法识别, 网络安全, 网络空间安全, 自动化分析, 自定义DNS解析器, 调试辅助, 跨站脚本, 逆向工具, 逆向工程, 配置审计, 隐私保护