abdullah230100156/malware-detector
GitHub: abdullah230100156/malware-detector
一款利用PE静态分析和Random Forest模型，并通过SHAP提供可解释性，在离线桌面环境中检测恶意软件的工具。
Stars: 0 | Forks: 0
# 基于 AI 的恶意软件检测系统
一款使用静态 PE 文件分析、
机器学习和 SHAP 可解释性来检测恶意软件的桌面应用程序，——100% 离线运行。
## 功能
- 从任何 .exe 或 .dll 文件中提取 25 个 PE 特征
- 基于真实 MalwareBazaar 样本训练的 Random Forest 分类器
- SHAP 可解释性展示是哪些特征触发了警报
- 加壳/混淆检测（entropy、UPX、导入表）
- PyQt5 桌面 GUI，内嵌 SHAP 图表
## 设置
```
python -m venv venv
venv\Scripts\activate
pip install pefile scikit-learn pandas numpy matplotlib PyQt5 joblib scipy
pip install shap --no-deps
```
## 运行
```
python gui/app.py
```
## 项目结构
标签：AI安全, AMSI绕过, Apex, Chat Copilot, DeepSeek, DNS 反向解析, PE文件分析, PyQt5, Random Forest, scikit-learn, SHAP, UPX, 二进制分析, 云安全监控, 云安全运维, 人工智能, 加壳检测, 可解释性, 威胁检测, 导入表分析, 数据科学, 机器学习, 桌面应用, 混淆检测, 熵值分析, 特征提取, 用户模式Hook绕过, 网络安全, 脱机检测, 资源验证, 逆向工具, 随机森林, 隐私保护, 静态分析