Adejare-ml/sentry-awareness-platform

# SENTRY v2.0 — 社会工程学防范意识平台 **一个基于建构主义学习理论的游戏化网络安全培训系统** [](https://github.com/Adejare-ml/SENTRY) [](https://github.com/Adejare-ml/SENTRY) [](https://python.org) ## 🛡️ 项目愿景 SENTRY 是一个自适应的游戏化培训系统，旨在通过让用户沉浸在逼真的高风险场景中来对抗社会工程学攻击。SENTRY 并非采用被动阅读的方式，而是运用了**建构主义学习理论** —— 让用户在一个安全的模拟环境中“从做中学”。 专为**尼日利亚的社会经济背景**进行了本地化处理，涵盖了银行、政府和电信等领域的 1,600 多种场景。 ## 🏗️ 技术架构 ### 🎮 游戏引擎（前端） 构建为高性能的单页应用（SPA）。 - **动态内容加载**：通过 CSV 与 Google Sheets 集成，实现无需重新部署的实时场景更新。 - **状态管理**：使用 `localStorage` 进行会话持久化和排行榜跟踪。 - **自适应逻辑**：基于职业的内容过滤以及分层难度系统（Novice → Defender → Sentinel）。 ### 🤖 ML 智能（研究） SENTRY 包含一个欺诈检测 ML pipeline： - **垃圾信息检测**：在尼日利亚欺诈数据集上训练的 Random Forest 分类器。 - **向量化**：结合词形还原和停用词去除的 TF-IDF。 - **数据集**：定制构建，将西奥迪尼（Cialdini）的说服原则映射到特定的攻击向量。 ## 📂 仓库结构 ``` SENTRY/ │ ├── models/ # Serialized ML models │ ├── sentry_model.pkl # Primary fraud detection model │ ├── sentry_model_meta.json # Model metadata, thresholds, eval results │ ├── sentry_vectorizer.pkl # TF-IDF vectorizer weights (fraud model) │ ├── spam_detector_rf.pkl # Random Forest spam classifier │ └── spam_tfidf_vectorizer.pkl # TF-IDF vectorizer weights (spam model) │ ├── notebooks/ │ └── model_training.ipynb # Model training, evaluation, and export │ ├── _headers # Cloudflare Pages security headers ├── vercel.json # Vercel deployment config (routes) ├── .gitignore └── README.md ``` ## 🤖 ML 模型详情 | 模型 | 算法 | 数据集 | F1 | AUC | |---|---|---|---|---| | 欺诈检测器 | Logistic Regression | 尼日利亚欺诈数据集（9,810 个样本） | — | — | | 垃圾信息分类器 | Random Forest（100 棵树） | SMS 垃圾信息集 | — | — | ## 🚀 运行 Notebook ``` # 安装依赖 pip install pandas numpy scikit-learn nltk joblib seaborn matplotlib # 下载 NLTK 数据 python -c "import nltk; nltk.download('stopwords'); nltk.download('wordnet')" # 将数据集放置在 data/ 目录下（不被 git 追踪）： # data/enron_data_fraud_labeled.csv # data/spam.csv # data/nigerian_fraud_dataset.csv # 打开 notebook jupyter notebook notebooks/model_training.ipynb ``` ## 🎓 学术框架 SENTRY 建立在三大教学支柱之上： - **维果茨基的最近发展区** — 提示脚手架为略高于用户当前能力的操作提供支持。 - **西奥迪尼的说服原则** — 模拟现实世界中的操纵手段：紧迫感、权威性、社会认同。 - **建构主义** — 以主动调查取代死记硬背。每次决策后立即进行“危险信号分析（Red Flag Analysis）”。 ## 📦 部署 | 平台 | 配置文件 | 状态 | |---|---|---| | Cloudflare Pages | `_headers` | 主要 | | Vercel | `vercel.json` | 备用 | *由 Adelugba Adejare 开发 — 毕业计算机科学项目，Landmark University。*

标签：Apex, ESC8, NoSQL, Python, 教育游戏, 无后门, 机器学习, 欺诈检测, 社会工程学, 逆向工具