jmmonirulislam/ai-threat-intelligence-aggregation

# 用于保护 AI 系统的 AI 威胁情报聚合与分类 ## 概述 本项目是一个基于 Python 的轻量级原型，旨在对来自多个公开来源的 AI 相关网络安全威胁进行组织和分类。该项目侧重于通过将这些威胁分组为结构化的类别，来提高对针对人工智能系统的威胁的理解。 本项目作为 CYBR 472 学期项目的一部分开发，侧重于 AI 安全概念、威胁建模和防御分析，而非生产级别的自动化。 ## 项目目标 本项目的主要目标是以简单易懂的格式收集和整理 AI 相关的威胁情报。该系统有助于区分： - 假设性威胁 - 已演示的威胁 - 正在利用的威胁 这种分类有助于防御者更好地了解 AI 相关威胁的成熟度和严重性。 ## 数据来源 该原型参考了公开可用的威胁情报和研究来源，包括： - MITRE ATLAS - CISA 公告 - 学术研究论文 - 安全研究文章 - AI 安全框架 ## 使用技术 - Python - JSON - CSV - Google Colab - GitHub ## 功能特性 - AI 威胁分类 - 结构化威胁组织 - 简单数据集生成 - 基础表格输出 - 轻量级原型设计 ## 威胁类别 ### 假设性 在研究文献中以概念或理论方式讨论，但尚未确认在现实世界中被利用的威胁。 ### 已演示 通过概念验证演示、研究实验或受控测试环境验证的威胁。 ### 正在利用 在现实世界攻击、事件报告或安全公告中观察到或报告的威胁。 ## 仓库结构 ``` data/ │── sample_threats.json scripts/ │── main.py │── categorize_threats.py │── generate_table.py screenshots/ │── output_example.jpg output/ │── categorized_threats.csv ``` ## 如何运行 运行主原型脚本： ``` python scripts/main.py ``` 运行表格生成脚本： ``` python scripts/generate_table.py ``` ## 未来改进 - 从 MITRE ATLAS 自动获取威胁 - 实时公告更新 - 仪表板可视化 - 改进的威胁分类逻辑 - 与其他 AI 安全数据集的集成 ## 教育目的 本项目作为 CYBR 472 学期项目的一部分，出于学术和研究目的而创建。本仓库展示了一个用于组织和分类 AI 相关网络安全威胁的简化原型。 ## 作者 Monirul Islam Juamadar 加州州立大学

标签：AI威胁分类, CISA, CSV, Google Colab, Homebrew安装, JSON处理, MITRE ATLAS, POC验证, Python, 人工智能安全, 代码示例, 合规性, 威胁建模, 威胁情报, 威胁理解, 威胁等级评估, 学术研究, 安全原型, 实时处理, 密码管理, 密钥泄露防护, 开发者工具, 数据分析, 无后门, 机器学习安全, 消息认证码, 网络威胁搜寻, 网络安全, 网络安全课程项目, 逆向工具, 防御分析, 隐私保护