Mohamed2007Sarhan/VulnIntel
GitHub: Mohamed2007Sarhan/VulnIntel
VulnIntel 是一个面向防御团队的高级自主漏洞情报平台,整合了 CVE 监控、公开 exploit 抓取、AI 驱动的 PoC 生成以及自动化 Sigma/YARA 检测规则输出,帮助安全团队从漏洞发现到防御部署实现全流程自动化。
Stars: 0 | Forks: 0
# VulnIntel v2.0 - 防御性漏洞情报平台



**VulnIntel** 是一个专为防御团队设计的高级自主网络安全研究平台。它持续监控漏洞信息源,发现漏洞利用情报,利用前沿 AI(NVIDIA DeepSeek)生成自定义的概念验证,并自动构建检测规则以保护基础设施。
## 🚀 主要特性
### 1. 自主情报流水线
- **持续监控:** 自动从 **NVD**(国家漏洞数据库)和 **GitHub Advisories** 获取最新的 CVE。
- **公开漏洞利用抓取:** 自动查询 **Exploit-DB** 和 **Sploitus** 以获取已知的公开漏洞利用。发现的漏洞利用会自动下载并整理到 `data/public_exploits/` 目录中。
### 2. AI 驱动的漏洞利用生成
- **DeepSeek 集成:** 当不存在公开漏洞利用时,VulnIntel 会将完整的 CVE 规范(CVSS、受影响产品、描述)发送给 NVIDIA 的 `deepseek-v4-pro` 模型。
- **可操作的 PoC:** AI 会分析漏洞并生成可操作的自定义 Python 脚本和 bash 命令,以便在安全的实验室环境中复现该漏洞。
- **文件持久化:** AI 生成的脚本会作为物理文件安全地保存在 `data/ai_exploits/` 中,以便立即进行测试。
- **智能重试与退避:** 内置了对 `429 Too Many Requests` API 速率限制的处理机制,确保持续的后台运行而不会挂起。
### 3. 自动化防御生成(Sigma 和 YARA)
- 自动分析攻击向量和关键字。
- 生成用于 SIEM/日志监控的 **Sigma 规则**和用于恶意软件/文件扫描的 **YARA 规则**。
- 检测规则将直接保存到 `data/detections/`。
### 4. 企业级架构
- **队列系统与回退机制:** 具有弹性的处理队列,如果初始搜索失败,会自动调整搜索词(例如,使用截断的产品名称)。
- **数据库轮转:** 内置 SQLite 数据库轮转。如果数据库超过 50MB,会自动归档并创建新实例,确保在数月的持续使用中保持最佳的 GUI 性能。
- **精美的 GUI:** 使用 `customtkinter` 构建的高级深色模式图形用户界面。
## 📂 项目结构
```
VulnIntel/
├── main.py # Entry point
├── config.py # Global configurations, API keys, and color themes
├── data/ # Local storage (auto-generated)
│ ├── vulnintel.db # SQLite Database
│ ├── ai_exploits/ # AI-generated PoC scripts
│ ├── public_exploits/ # Publicly scraped exploits
│ └── detections/ # Generated Sigma and YARA rules
├── gui/ # UI Components (Dashboard, Queue, Public Search, etc.)
├── analysis/ # AI integration and CVE analysis logic
├── generators/ # Sigma and YARA rule generation logic
└── sources/ # API wrappers (NVD, GitHub, Sploitus, ExploitDB)
```
## ⚙️ 安装与设置
1. **克隆仓库:**
git clone https://github.com/Mohamed2007Sarhan/VulnIntel.git
cd VulnIntel
2. **安装依赖:**
pip install customtkinter openai requests
3. **配置 API 密钥:**
打开 `config.py`(或设置环境变量)并确保您拥有有效的 API 密钥:
- `NVIDIA_API_KEY`:AI 漏洞利用生成(NVIDIA NIM)所需。
- `NVD_API_KEY`:(可选但强烈推荐)用于提升 NIST 数据库的速率限制。
4. **运行应用程序:**
python main.py
## 🛡️ 安全与防御策略
此工具严格专为**防御性安全研究**而构建。
- 所有 AI 提示词均经过精心设计,优先考虑实验室安全性和授权测试。
- `config.py` 强制执行严格的 `SAFETY_POLICY` 块,防止生成武器化的持久化或数据窃取脚本。
## 📝 许可证
本项目采用 MIT 许可证授权 - 详情请参阅 LICENSE 文件。
标签:AI生成PoC, CISA项目, DLL 劫持, DNS信息、DNS暴力破解, DNS 反向解析, Exploit-DB, Go语言工具, GPT, IP 地址批量处理, NVD, NVIDIA DeepSeek, PoC生成, Python, Sigma规则, XSS, YARA规则, 企业安全架构, 大语言模型, 威胁情报, 安全大模型, 安全运营, 实时处理, 密码管理, 开发者工具, 恶意软件扫描, 扫描框架, 无后门, 检测规则生成, 漏洞情报, 漏洞管理, 目标导入, 网络安全, 自动化安全研究, 逆向工具, 防御平台, 隐私保护