ravi00434/Hybrid_malware_detection_framework

## 📄 README.md # AI 驱动的恶意软件行为分析 本项目使用 Cuckoo Sandbox (CAPEv2)、机器学习模型和数据可视化工具，构建了一个基于行为的恶意软件自动检测流水线。  ## 🎯 项目目标 - 使用 CAPEv2 搭建安全环境，用于恶意软件动态分析。 - 自动提交、提取行为，并对恶意文件和良性文件进行标记。 - 训练并使用 Random Forest 模型来检测恶意行为。 - 可选的 Elasticsearch + Kibana 仪表板集成。 ## 📁 项目结构 ``` ai-malware-analysis/ ├── CAPEv2/ # Cuckoo Sandbox fork for behavior logging ├── samples/ │ ├── malware/ # Place malware .exe samples │ └── benign/ # Place benign .exe samples ├── scripts/ │ ├── run_batch_analysis.py │ ├── data_extractor.py │ ├── train_model.py │ └── index.html # Simple UI (optional) ├── model/ │ └── model.pkl # Trained ML model ├── images/ # Screenshots for README or dashboard ├── requirements.txt ├── .gitignore ├── LICENSE └── README.md ``` ## ⚙️ 安装说明 1. **克隆仓库** ``` git clone git@github.com:ckvishwa/ai-malware-analysis.git cd ai-malware-analysis ``` 2. **设置虚拟环境** ``` python3 -m venv cuckoo-env source cuckoo-env/bin/activate pip install -r requirements.txt ``` 3. **安装并配置 CAPEv2** - 克隆 [https://github.com/kevoreilly/CAPEv2](https://github.com/kevoreilly/CAPEv2) - 配置 `cuckoo.conf`、`virtualbox.conf` - 使用 CAPE agent 设置虚拟机 4. **启动服务** ``` sudo systemctl start mongodb sudo systemctl start elasticsearch sudo systemctl start kibana ``` 5. **运行 CAPEv2 API** ``` cd CAPEv2/ python3 utils/api.py ``` ## 🚀 使用方法 1. **添加样本：** 将 `.exe` 文件放入 `samples/malware/` 和 `samples/benign/` 中 2. **运行批量分析** ``` python3 scripts/run_batch_analysis.py ``` 3. **提取特征** ``` python3 scripts/data_extractor.py ``` 4. **训练 ML 模型** ``` python3 scripts/train_model.py ``` 5. **通过 UI 或 CLI 进行测试** ``` firefox scripts/index.html ``` ## 🧠 学习成果 - 使用 CAPE 进行动态恶意软件分析 - Python 自动化流水线 - 特征提取和 ML 分类 - 使用 Kibana 进行数据可视化 ## 📽️ 演示清单 - ✅ 实时 CAPE 提交 - ✅ 日志提取 - ✅ 模型训练和预测 - ✅ 仪表板与 UI（可选） ## ⚠️ 免责声明 **务必仅在隔离的虚拟机中运行恶意软件。切勿在生产系统中运行或连接到互联网。**

标签：AMSI绕过, Apex, CAPEv2, Cuckoo Sandbox, DAST, Elasticsearch, Python, VirtualBox, 二进制分析, 云安全运维, 人工智能, 可视化大屏, 威胁检测, 安全运营, 恶意样本, 恶意软件分析, 扫描框架, 数据提取, 无后门, 无线安全, 机器学习, 沙箱, 流量嗅探, 用户模式Hook绕过, 网络信息收集, 网络安全, 网络安全审计, 自动化管道, 越狱测试, 逆向工具, 随机森林, 隐私保护