robgreen10/-Secops-Code-and-AI-log-analyzer

# 混合 SecOps 摄取与 AI 修复器 本项目是一个混合的 AI 驱动威胁分析 pipeline，旨在实时对身份验证日志进行分诊、脱敏和修复，同时最大限度地降低云 API 成本。 ``` [Raw Logs] ──> [Local Python Engine] ──(If Severity >= High)──> [Token-Optimized LLM] ──> [Strategic Advice] │ └──> Immediate Local Playbook Actions ``` 该系统将确定性的本地 Python 执行与基于 LLM 的针对性分析相结合，将即时的威胁遏制与深度的语义调查区分开来。本地 Python 引擎会摄取原始的身份验证日志，使用 regex 和基于规则的检测逻辑对事件严重程度进行分类，并在进行任何外部处理之前，脱敏内部 IP 地址等敏感遥测数据。 对于关键或高严重程度的检测结果，pipeline 会触发即时的本地响应操作，例如权限限制和网络隔离，而无需等待云推理。只有高风险事件才会通过压缩的、token 高效的 payload 转发给 LLM，模型随后会生成上下文修复指导、调查摘要和长期安全建议。 这种架构将快速的本地执行与 AI 辅助分析相结合，减少了不必要的 API 使用，降低了响应延迟，并提高了运营效率。通过在传输前过滤和脱敏遥测数据，该框架还支持更强的隐私控制，并减少了云端处理的开销。 使用的技术： Python • Regex • Azure OpenAI/OpenAI API • 安全自动化 • 日志分析 • 威胁检测 • AI 辅助事件响应

标签：AMSI绕过, PB级数据处理, Petitpotam, PE 加载器, 威胁检测, 安全运维, 逆向工具