Arushi1092/NIST-CVE-Intelligence-System

# CVE AI 情报仪表盘 一个全面的、AI 驱动的网络安全情报平台。该系统利用自然语言查询（NLQ）、命名实体识别（NER）和基于图的知识表示，为全球漏洞态势提供深度洞察。 ## 🚀 功能特性 - **智能 NLQ**：使用自然语言询问有关 CVE、OS 和严重性模式的复杂问题。 - **知识图谱探索器**：在交互式网络图中可视化漏洞、供应商和攻击向量之间的关系。 - **高管安全驾驶舱**：全面了解 CVSS 分布、漏洞层级和风险分析。 - **高级 NER**：利用微调的 Transformers 模型从网络安全数据中提取可操作的实体。 ## 🏗️ 技术架构 - **Frontend**：Streamlit - **Backend 逻辑**：Python（FastAPI/Streamlit 集成） - **AI/ML**：Transformers (HuggingFace)，PyTorch - **知识图谱**：NetworkX，PyVis - **可视化**：Plotly，PyVis ## 🛠️ 入门指南 1. **克隆仓库**：`git clone https://github.com/YOUR_USERNAME/cve-intelligence-system.git` 2. **安装依赖**：`pip install -r requirements.txt` 3. **环境设置**：确保您的模型文件和图数据已放置在 `backend/ai_model/ner_model_final/` 和 `backend/graph_logic/data/` 中。 4. **运行**：`streamlit run ui/app.py` *专为 CVE 安全情报研究而构建。*

标签：AI安全分析, AV绕过, CVE, CVSS, DLL 劫持, FastAPI, GPT, HuggingFace, Kubernetes, NER, NetworkX, Plotly, Python, PyTorch, RuleLab, Streamlit, 凭据扫描, 只读文件系统, 后端开发, 大语言模型, 威胁情报, 安全仪表盘, 安全可视化, 开发者工具, 攻击向量, 数字签名, 无后门, 漏洞管理, 特权检测, 突变策略, 网络安全, 访问控制, 逆向工具, 隐私保护, 风险分析