DivyanshuGairwal/Mini-SIEM

# 🛡 Mini SIEM — 安全信息与事件管理系统 一个轻量级的安全运营中心（SOC）平台，结合基于规则的检测和机器学习技术来检测、分析和可视化网络威胁。 ## 🚀 概述 Mini SIEM 模拟了一个真实的安全运营中心（SOC）环境，安全分析师可以在此监控日志、检测异常并调查威胁。 该系统处理多个网络安全数据集，应用检测逻辑，并通过交互式仪表板展示洞察结果。 ## ⚙️ 功能 * 🔍 基于规则的威胁检测（SQLi、XSS、DDoS 等） * 🤖 机器学习异常检测（Isolation Forest + LOF） * 🧠 基于 SHAP 的模型决策可解释性 * 🗂 用于警报存储的 SQLite 数据库 * 📊 交互式 Streamlit 仪表板（SOC 风格 UI） * 🧑‍💻 用于调查和警报管理的分析师工作台 hello hey ## 🧱 架构 原始数据 → 清洗 → 规则检测 → ML 模型 → 可解释性 → 数据库 → 仪表板 ## 🛠 技术栈 * **编程语言：** Python * **数据处理：** Pandas, NumPy * **机器学习：** Scikit-learn * **可解释性：** SHAP * **数据库：** SQLite * **前端：** Streamlit * **可视化：** Plotly ## 📂 项目结构 ``` mini-siem/ ├── dashboard/ # Streamlit dashboard ├── src/ # Core logic (cleaning, detection, ML, DB) ├── pipeline.py # Main pipeline ├── requirements.txt └── README.md ``` ## ▶️ 如何在本地运行 ``` # 创建 virtual environment python -m venv .venv # 激活 .venv\Scripts\activate # 安装 dependencies pip install -r requirements.txt # 运行 pipeline python pipeline.py --clean # 启动 dashboard streamlit run dashboard/app.py ``` ## ⚠️ 关于数据的说明 由于数据集过大，本仓库不包含原始和处理后的数据文件。 ## 📌 未来改进 * 实时日志摄取（Kafka / API） * 用户身份验证系统 * 具备可扩展后端的云端部署 ## 🌐 部署 本项目可以使用 **Streamlit Cloud** 进行部署： 1. 将代码推送到 GitHub 2. 访问 [https://share.streamlit.io](https://share.streamlit.io) 3. 连接您的仓库 4. 设置入口文件：`dashboard/app.py` 5. 部署 ## 📣 关于 这是一个 SIEM 系统的实践实现，演示了网络安全分析、异常检测和 SOC 工作流。

标签：AMSI绕过, Apex, Kubernetes, Python, 威胁检测, 安全运营, 扫描框架, 无后门, 机器学习, 逆向工具