vardzz/ghostnet-ai

## 项目功能 GhostNet AI 旨在捕捉品牌冒充行为，防止其演变为客户 事件。它将 Bright Data 的实时网络基础设施与基于 Gemini 的 分析相结合，实现整个威胁分诊流程的自动化： ## 架构概述 User -> Next.js API routes -> Bright Data (SERP, Web Unlocker, Scraping Browser) -> Supabase (Postgres + Storage) -> Gemini (Google AI) 分析 -> 实时仪表板。 ## 核心功能 - 跨搜索引擎和公共网络界面进行实时发现。 - 使用字符替换、添加单词和同形异义字进行域名拼写错误检测。 - 通过结构化评分进行钓鱼和伪造资料分析。 - 为法律审查提供基于截图的证据包。 - 自动起草下架通知和滥用联系方式提示。 - 专为实时监控而非静态报告构建的仪表板。 ## 技术栈 - Next.js 16 结合 React 19 和 TypeScript。 - 使用 Bright Data SERP API、Web Unlocker 和 Scraping Browser 进行网络访问。 - 使用 Gemini (Google AI) 进行威胁分类、紧急性评分和报告生成。 - 使用 Supabase 进行持久化、存储和操作元数据管理。 ## 了解更多 5. 将标准化的证据包发送给 Gemini 2.0 Flash (Google AI) 以进行威胁评分和 报告起草。 6. 将调查结果保留在仪表板中，使下一步操作一目了然。 ## 检测工作流 GhostNet AI 遵循一条严谨的、专业级的分诊流水线： 1. 输入品牌标识：品牌名称、官方域名以及已知的社交媒体 账号。 2. 运行有针对性的 SERP 搜索，以呈现可疑结果和域名 异常情况。 3. 使用 Web Unlocker 检查那些难以通过常规方式 获取的页面和个人资料界面。 4. 通过 Scraping Browser 捕获带有时间戳的截图作为证据。 ## 快速开始 首先，运行开发服务器： ``` npm run dev # 或 yarn dev # 或 pnpm dev # 或 bun dev ``` ## 运行测试 本项目使用 Jest 进行测试。你可以使用以下命令在本地运行测试套件： - 运行所有测试：`npm test` - 以 watch 模式运行测试（非常适合开发期间使用）：`npm run test:watch` ## 结语 GhostNet AI 的构建旨在使针对冒充行为的响应变得即时、可靠， 且操作规范。它能提取正确的证据，对其进行妥善打包，并为安全或法律团队做好下一步决策的准备。 GhostNet AI 是“Web Data UNLOCKED”黑客松项目，属于安全与合规赛道。它是一个证据优先、耗时不到两分钟的威胁监控流水线，利用 Bright Data 发现可疑的相似仿冒物，捕获证据，并运行结构化分析以支持人工审查的 takedown 工作流。 ## 黑客松契合度 - 赛道：安全与合规 - Bright Data 用途：使用 SERP API 进行发现，使用 Web Unlocker 进行原始 HTML 获取，使用 Scraping Browser 进行渲染后的证据捕获 - 目标：快速检测冒充和钓鱼目标，存储可验证的证据，并生成经审查的下架草案 ## 项目功能 GhostNet AI 旨在捕捉品牌冒充行为，防止其演变为客户 事件。它将 Bright Data 的实时网络基础设施与基于 Gemini 的 分析相结合，实现整个威胁分诊流程的自动化： - 搜索 Google 和 Bing 以查找高信号的品牌滥用查询，例如登录、 支持和官方网站变体。 - 解锁可疑页面和社交媒体界面，以揭露 typosquat、 同形异义字仿冒和克隆的资料。 - 捕获全页截图和页面快照作为证据。 - 按类型、置信度和紧急程度对每个威胁进行评分。 - 生成可随时用于发送停止侵权函的报告，并附带滥用联系方式和支持性 工件。 最终成果是一个实时威胁仪表板，它将过去需要数天时间的手动搜索压缩成了一个快速、可重复的工作流。 ## 架构概述 User -> Next.js API routes -> Bright Data (SERP, Web Unlocker, Scraping Browser) -> Supabase (Postgres + Storage) -> Gemini 分析 -> 实时仪表板。 执行过程被限制在 120 秒内，并在时间不足时优先以部分结果保留证据。 ## 重要性 现代冒充活动传播迅速且隐藏在众目睽睽之下。GhostNet AI 专为需要基于证据的响应，而不是一份松散的 URL 列表的团队而设计。 - 安全团队可以更快地检测到钓鱼和欺诈企图。 - 品牌保护团队可以获得结构化的证据，而不是原始的搜索噪音。 - 法律团队可以获得已经与 takedown 工作流对接的报告草案。 - 合规团队可以获得针对截图、HTML 和 时间戳的可追溯证据保管链。 ## 检测工作流 GhostNet AI 遵循一条严谨的、专业级的分诊流水线： 1. 输入品牌标识：品牌名称、官方域名以及已知的社交媒体 账号。 2. 运行有针对性的 SERP 搜索，以呈现可疑结果和域名 异常情况。 3. 使用 Web Unlocker 检查那些难以通过常规方式 获取的页面和个人资料界面。 4. 通过 Scraping Browser 捕获带有时间戳的截图作为证据。 ## 快速开始 首先，运行开发服务器： ``` npm run dev # 或 yarn dev # 或 pnpm dev # 或 bun dev ``` 在浏览器中打开 [http://localhost:3000](http://localhost:3000) 查看结果。 ## 运行测试 本项目使用 Jest 进行测试。你可以使用以下命令在本地运行测试套件： - 运行所有测试：`npm test` - 以 watch 模式运行测试（非常适合开发期间使用）：`npm run test:watch` ## 了解更多 5. 将标准化的证据包发送给 Gemini 2.0 Flash (Google AI) 以进行威胁评分和 报告起草。 6. 将调查结果保留在仪表板中，使下一步操作一目了然。 ## 核心功能 - 跨搜索引擎和公共网络界面进行实时发现。 - 使用字符替换、添加单词和同形异义字进行 typosquat 检测。 - 通过结构化评分进行钓鱼和伪造资料分析。 - 为法律审查提供基于截图的证据包。 - 自动起草 takedown 通知和滥用联系方式提示。 - 专为实时监控而非静态报告构建的仪表板。 ## 技术栈 - Next.js 16 结合 React 19 和 TypeScript。 - 使用 Bright Data SERP API、Web Unlocker 和 Scraping Browser 进行网络访问。 - 使用 Gemini 进行威胁分类、紧急性评分和报告生成。 - 使用 Supabase 进行持久化、存储和操作元数据管理。 ## 项目结构 - `src/app` - 应用程序外壳、全局样式以及落地页/仪表板 UI。 - `docs/architecture.md` - 系统设计和数据流概述。 - `docs/implementation.md` - 流水线逻辑、环境变量和 操作规则。 - `scripts/env-check.js` - 构建时的环境验证。 ## 演示与提交（黑客松） - 仓库：公开的 GitHub 链接（在此添加） - 演示 URL：在线部署链接（在此添加） - 推介视频：链接（在此添加） - 幻灯片：链接（在此添加） ## 结语 GhostNet AI 的构建旨在使针对冒充行为的响应变得即时、可靠， 且操作规范。它能提取正确的证据，对其进行妥善打包，并为安全或法律团队做好下一步决策的准备。 ## 许可证 MIT

标签：Supabase, 仿冒检测, 品牌保护, 威胁情报, 实时处理, 开发者工具, 自动化攻击, 配置审计, 钓鱼检测