beratkrmn7/Intelligent-Malware-Sandbox
GitHub: beratkrmn7/Intelligent-Malware-Sandbox
该项目是一个智能恶意软件沙箱分析系统，通过Docker隔离环境自动执行可疑文件并结合机器学习与LLM生成威胁情报报告。
Stars: 0 | Forks: 0
# 智能恶意软件沙箱与分析 Agent
本项目是一款安全工具，旨在检查可疑文件在隔离环境中被分析时的行为，并通过机器学习技术做出自主决策。它利用大型语言模型生成网络威胁情报报告。
## 核心功能
* **使用 Docker 容器进行隔离：** 可疑文件将在一个与计算机完全断开连接的 `ubuntu:latest` 容器内执行。
* **实时遥测数据收集：**
* `strace` 命令：记录系统调用。
* `tcpdump` 命令：记录网络数据包。
* `inotifywait`：实时检测任何文件系统修改。
* **决策引擎系统：** 执行期间收集的遥测数据将被输入到名为 **Random Forest** 的机器学习算法中，该算法会将文件分类为“恶意”或“安全”。
* **使用 Groq API 集成 AI：** 分析结果随后将使用 Groq API 的 Llama 3.3 模型，按照 MITRE ATT&CK 标准以专业报告的形式呈现。
* **零信任方法：** 将可疑 URL 直接下载到沙箱环境中进行分析。
* **销毁沙箱：** 分析完成后，容器及其残留物将被自动销毁。
## 架构
1. **后端：** Flask (Python)
2. **沙箱：** Docker API
3. **ML 模型：** Scikit-learn (Random Forest)
4. **AI 报告：** Groq API (Llama 3.3)
5. **前端：** HTML5, Vanilla CSS3, JavaScript (赛博朋克主题)
## 安装与运行
### 前置条件
* Docker Desktop（应处于运行状态）
* Python 3.10+
* Groq API 密钥
### 步骤
1. **克隆仓库：**
git clone https://github.com/beratkrmn7/Intelligent-Malware-Sandbox.git
cd Intelligent-Malware-Sandbox
2. **安装依赖项：**
pip install -r requirements.txt
3. **创建 Docker 镜像：**
docker build -t izole_fanus .
4. **定义 API 密钥：**
在项目的根目录下创建一个 `.env` 文件，并将您的 Groq API 密钥添加到其中：
GROQ_API_KEY=gsk_your_api_key
5. **启动应用：**
python app.py
应用程序可通过 `http://127.0.0.1:5000` 访问。
## 伦理与法律声明
本项目出于教育和研究目的而开发。如需详细分析，请查阅 [ETIK_ANALIZ.md](ETIK_ANALIZ.md) 文件。
## 开发者
* **Berat Karaman**
* **Osman Yürekliaslan**
**项目：** 计算机与网络安全 - 学期项目
标签：Apex, DAST, DLL 劫持, Docker, Flask, 大语言模型, 威胁情报, 安全防御评估, 开发者工具, 恶意软件分析, 数据可视化, 机器学习, 沙箱, 网络信息收集, 请求拦截, 逆向工具