cybertarr-A/CyberVerseAI
GitHub: cybertarr-A/CyberVerseAI
CyberVerse AI 是一个基于多智能体架构的自动化安全情报平台，通过 AI 驱动的代码扫描和漏洞分析帮助团队识别和评估代码中的安全风险。
Stars: 0 | Forks: 0
# CyberVerse AI
CyberVerse AI 是一个自主多智能体安全情报平台，旨在自动化代码扫描、漏洞分析和威胁情报映射。它由强大的 FastAPI/Celery 后端和现代的 Next.js/Three.js 前端提供支持，提供了一个“精英工程师”仪表板，用于可视化零日风险和结构性代码缺陷。
## 功能特性
- **多智能体架构**：专用于资产情报、安全分析、验证和报告的 AI Agent。
- **异步任务管道**：基于 Celery 和 Redis 构建，可异步处理深层代码库克隆和高强度的 LLM 分析。
- **精英全息仪表板**：带有 Three.js 渲染功能的 Next.js 前端，用于实时扫描可视化。
- **安全优先架构**：集成了速率限制、安全的伪随机生成器、子进程隔离以及 CWE/OWASP 漏洞映射。
- **云就绪**：完全容器化，为 AWS 和 Vercel 部署做好准备。
## 本地开发设置
要在 Linux/macOS 机器上本地运行 CyberVerse AI：
### 前置条件
- Python 3.10+
- Node.js 18+
- Redis（必须安装并运行，或通过 Docker 提供）
### 1. 环境配置
在 `backend/` 和 `frontend/` 目录中复制 `.env.example` 文件（或创建新的 `.env` 文件）。
**后端 (`backend/.env`)：**
```
APP_ENV=development
# 如果在开发环境中留空，后端将自动生成安全的本地 SQLite DB 和 secret key。
NVIDIA_API_KEY=your_nvidia_nim_api_key_here
```
**前端 (`frontend/.env.local`)：**
```
NEXT_PUBLIC_BACKEND_REST_URL=http://localhost:8090/api/v1
NEXT_PUBLIC_BACKEND_WS_URL=ws://localhost:8090/ws/scan
```
### 2. 安装依赖
**后端：**
```
cd backend
python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
```
**前端：**
```
### 3. Launch the Stack (本地)
To run the full stack locally:
1. **Start Redis**:
Ensure Redis is running locally on port `6379`.
2. **Start Backend API Server**:
```bash
cd backend
source .venv/bin/activate
# Run migrations
alembic upgrade head
# Start Uvicorn
python -m uvicorn app.main:app --host 0.0.0.0 --port 8090
```
3. **启动 Celery Worker**：
在一个单独的终端窗口中：
cd backend
source .venv/bin/activate
python -m celery -A app.core.celery:celery_app worker --loglevel=info --concurrency=4 --prefetch-multiplier=1
4. **启动前端开发服务器**：
在一个单独的终端窗口中：
cd frontend
npm run dev
- **前端仪表板**：`http://localhost:3000`
- **后端 API 文档**：`http://localhost:8090/docs`
## 生产部署（Railway 和 Vercel）
CyberVerse AI 配置了强大、生产级的云部署方案，前端利用 **Vercel**，后端架构利用 **Railway**。
### 目标架构
```
Frontend (Vercel)
↓ (HTTP / WebSocket)
FastAPI Backend (Railway API Service)
├── Railway PostgreSQL
├── Railway Redis
└── Celery Worker (Railway Worker Service)
```
### 1. Railway 服务配置
1. 在 Railway 中**创建新项目**。
2. **添加数据库**：
- 添加一个 **PostgreSQL** 服务数据库。
- 添加一个 **Redis** 服务数据库。
3. **添加 FastAPI API 后端服务**：
- 将该服务链接到你的 GitHub 仓库。
- 将 **Root Directory** 设置为 `backend`。
- Railway 将自动检测 `backend/Dockerfile` 和 `backend/railway.json` 配置。
- 添加所需的环境变量（见下文）。
4. **添加 Celery Worker 服务**：
- 在同一个 Railway 项目中，添加另一个服务并链接到相同的 GitHub 仓库。
- 将 **Root Directory** 设置为 `backend`。
- 将 **Start Command** 设置为：
celery -A app.core.celery:celery_app worker --loglevel=info --concurrency=4 --prefetch-multiplier=1
- 添加所需的环境变量（见下文）。
### 2. 环境变量配置
在 Railway 仪表板中配置以下环境变量：
#### API 服务 (`backend`)：
- `APP_ENV`：`production`
- `DATABASE_URL`：`${{Postgres.DATABASE_URL}}`（通过链接服务自动注入）
- `REDIS_URL`：`${{Redis.REDIS_URL}}`（通过链接服务自动注入）
- `SECRET_KEY`：加密安全的随机字符串（通过 `openssl rand -hex 32` 生成）
- `NVIDIA_API_KEY`：你的 Nvidia NIM API 密钥（在生产环境中为必填项）
- `PREFERRED_LLM_PROVIDER`：`nvidia`
- `CORS_ORIGINS`：`https://cyber-verse-ai.vercel.app`（你的自定义 Vercel 域名）
#### Celery Worker 服务：
- `APP_ENV`：`production`
- `DATABASE_URL`：`${{Postgres.DATABASE_URL}}`
- `REDIS_URL`：`${{Redis.REDIS_URL}}`
- `SECRET_KEY`：加密安全的随机字符串（与 API 服务的密钥匹配）
- `NVIDIA_API_KEY`：你的 Nvidia NIM API 密钥
- `PREFERRED_LLM_PROVIDER`：`nvidia`
### 3. 前端部署 (Vercel)
1. 将你的 GitHub 仓库导入 Vercel。
2. 链接到 `frontend` 目录。
3. 配置以下构建时环境变量：
- `NEXT_PUBLIC_BACKEND_REST_URL`：由 Railway 生成的生产环境 API URL（例如 `https://cyberverse-api.up.railway.app/api/v1`）
- `NEXT_PUBLIC_BACKEND_WS_URL`：由 Railway 生成的生产环境 WebSocket URL（例如 `wss://cyberverse-api.up.railway.app/ws/scan`）
4. 部署前端应用程序。
## 架构概述
- **后端框架**：FastAPI (Python)
- **任务队列**：Celery + Redis
- **数据库**：通过 SQLAlchemy/Alembic 使用 SQLite（本地）/ PostgreSQL（生产）
- **前端**：Next.js (React)、Zustand、Three.js (React Three Fiber)
- **AI 集成**：Nvidia NIM API (`moonshotai/kimi-k2.6`)，利用动态重试循环来增强速率限制的弹性。
<<<<<<< HEAD
=======
标签：AV绕过, DLL 劫持, FastAPI, 多智能体, 大语言模型, 安全智能, 搜索引擎查询, 测试用例, 请求拦截, 逆向工具