SanyaAsati1/-AI-Driven-Deception-System-Threat-Intelligence-Honeypot
GitHub: SanyaAsati1/-AI-Driven-Deception-System-Threat-Intelligence-Honeypot
一款基于 Python 与机器学习的高交互蜜罐系统，通过 AI 驱动的实时威胁检测与 AES-256 取证加密，帮助安全团队捕获并分析网络攻击行为。
Stars: 0 | Forks: 0
# AI 驱动的取证蜜罐
**分析师：** Sanya Asati | MIT-WPU Pune
### 概述
一款高交互蜜罐，旨在通过 Random Forest 机器学习模型捕获、加密 (AES-256) 并分析网络威胁。
### 核心功能
* **基于角色的访问控制 (RBAC)：** 独立的管理员和用户门户。
* **AI 推理引擎：** 使用 Random Forest 进行实时威胁分类。
* **取证完整性：** 对所有捕获的遥测数据执行自动 AES-256 加密。
* **诱骗层：** 集成电子商务“诱饵”以捕获凭证窃取者。
### 技术栈
* **语言：** Python
* **ML 库：** Scikit-Learn (Random Forest)
* **前端：** Streamlit
* **数据库：** SQLite3
* **安全：** Cryptography (Fernet)
标签：AES-256, AI蜜罐, AMSI绕过, Apex, EDR绕过, Fernet, Kubernetes, Python, RBAC, Scikit-Learn, SQLite3, Streamlit, 人工智能, 凭证收集, 威胁情报, 威胁检测, 安全项目, 密码学, 开发者工具, 异常检测, 恶意行为分析, 手动系统调用, 攻击分析, 数字取证, 数据加密, 无后门, 机器学习, 漏洞评估, 用户模式Hook绕过, 电子商务诱饵, 网络安全, 自动化脚本, 蜜饵, 角色访问控制, 访问控制, 证据保全, 逆向工具, 随机森林, 隐私保护, 高交互蜜罐