rudhrancodes-dev/privacy-preserving-threat-intelligence

# 隐私保护威胁情报仪表板 ## 概述 本项目是**隐私保护威胁情报仪表板**的专业级实现。它结合了网络安全、机器学习和现代Web开发技术，在利用差分隐私保障数据隐私的同时检测网络异常。 ### 核心功能 - **机器学习驱动检测**：使用隔离森林算法识别网络元数据中的异常。 - **隐私保护机制**：在分析前通过差分隐私（拉普拉斯噪声）对敏感数据进行脱敏处理。 - **现代化仪表板**：基于React的前端界面，可实时可视化威胁情报与系统状态。 - **FastAPI后端**：高性能Python API，用于承载机器学习引擎服务。 ## 项目结构 ``` project-upload/ ├── backend/ # FastAPI Application │ ├── ml_engine/ # Machine Learning logic │ ├── main.py # API Entry point │ └── requirements.txt # Python dependencies ├── frontend/ # React Application (TypeScript) │ ├── src/ # UI components │ ├── public/ # Static assets │ └── package.json # Frontend dependencies ├── REPORTS/ # Analysis and Strategic Reports └── README.md # Documentation ``` ## 快速开始 ### 后端部署 1. 进入 `backend/` 目录 2. 创建虚拟环境：`python -m venv venv` 3. 安装依赖：`pip install -r requirements.txt` 4. 启动API服务：`uvicorn main:app --reload` ### 前端部署 1. 进入 `frontend/` 目录 2. 安装依赖：`npm install` 3. 启动开发服务器：`npm start` ## 技术详情 - **机器学习引擎**：Scikit-learn 隔离森林 - **隐私保护**：基于拉普拉斯机制的差分隐私 - **后端框架**：FastAPI、Pydantic、Uvicorn - **前端技术栈**：React、TypeScript、Tailwind CSS、Lucide Icons ## 许可协议 MIT

标签：Apex, AV绕过, DNS枚举, FastAPI, Isolation Forest, Python, React, Scikit-learn, Syscalls, TypeScript, 威胁情报可视化, 安全仪表板, 安全插件, 实时威胁检测, 差分隐私, 异常检测, 数据匿名化, 无后门, 机器学习, 网络元数据分析, 网络安全, 网络安全, 网络安全工具, 自动化攻击, 逆向工具, 隐私保护, 隐私保护