ganeshkrishnareddy/Sentinel-Mind

# 🛡️ SentinelMind — Agentic AI 系统的自主威胁守护者 [](https://build.microsoft.com/) [](https://nextjs.org/) [](https://www.typescriptlang.org/) **SentinelMind** 是一个为零信任安全层和 SOC（安全运营中心）仪表板，专为 agentic 时代构建。它可以实时自主监控、拦截并中和多智能体 AI 系统中的对抗性行动。 *提交至 Microsoft Build AI 黑客马拉松（主题：Agentic 未来的安全）。* ## 📖 项目描述 随着 AI 系统从被动聊天机器人转变为能够采取现实世界行动的自主智能体，攻击面呈指数级扩大。当威胁源自受损或产生幻觉的内部 AI 智能体时，传统的安全边界便会失效。 **SentinelMind** 通过作为智能且延迟低于 12ms 的防火墙，驻留在您的智能体与执行环境之间来解决此问题。 **核心功能：** - **实时拦截：** 每个智能体动作都会通过 SentinelMind 评分引擎进行路由。 - **动态风险引擎：** 根据 6 个威胁向量（Prompt 注入、权限提升、数据泄露、侦察、欺骗和对抗性行为）评估动作。 - **自定义 Payload 注入器：** 深度扫描原始 JSON 和非结构化 payload，以查找危险关键字模式（`sudo`、`base64`、`exfiltrate`）。 - **零信任策略引擎：** 细粒度的规则定义，基于可自定义的阈值自动拦截或隔离动作。 - **企业级审计日志：** 对所有智能体动作进行不可篡改的日志记录，包含严重程度评分、置信度水平和自动修复建议。 ## 🏗️ 架构概述 SentinelMind 构建为一个高度响应的单页应用（SPA），并由强大的 Node.js Serverless 架构提供支持。 ``` graph TD A[Autonomous Agents] -->|Action Request| B(SentinelMind Gateway) B --> C{Risk Scoring Engine} C -->|Custom Payload Scan| D[Keyword Analyzer] C -->|Simulated Threat| E[Vector Database] D --> F[Decision Matrix] E --> F F -->|Risk < 35| G[ALLOW] F -->|Risk 35-69| H[QUARANTINE] F -->|Risk >= 70| I[BLOCK] G --> J[(Audit Log & Metrics)] H --> J I --> J J --> K[Next.js React Dashboard] ``` **技术栈：** - **前端：** React 18, Next.js (App Router), CSS Modules（自定义暗黑模式设计系统，未使用 Tailwind） - **可视化：** Recharts / Chart.js 用于实时遥测 - **后端：** Next.js Serverless API 路由 (`/api/intercept`, `/api/events`, `/api/policies`) - **状态管理：** 内存级 Node.js 单例存储（用于黑客马拉松快速原型设计） ## ⚙️ 设置说明 要在本地运行 SentinelMind，请按照以下步骤操作： ### 前置条件 - Node.js（v18 或更高版本） - npm 或 yarn ### 1. 克隆仓库 ``` git clone https://github.com/ganeshkrishnareddy/Sentinel-Mind.git cd Sentinel-Mind ``` ### 2. 安装依赖项 ``` npm install ``` ### 3. 运行开发服务器 ``` npm run dev ``` ### 4. 访问仪表板 打开浏览器并导航至：**[http://localhost:3000](http://localhost:3000)** **演示凭据：** - **Email:** `admin@sentinelmind.io` - **Password:** `sentinel2026`（或任意 8 位以上字符的字符串） ## 📦 依赖项 - `next` (v14.2.x)：用于服务端渲染和 API 路由的 React 框架。 - `react` / `react-dom` (v18)：核心 UI 库。 - `recharts`：用于渲染动态、响应式的数据可视化（风险分布、威胁向量）。 - `typescript`：用于在 API 和前端组件中实现严格的类型安全。 ## 🧠 使用的 AI 工具 为了加速此次黑客马拉松的开发和设计，我们利用了以下 AI 工具： - **Google Gemini 3.1 Pro / DeepMind Antigravity Agent：** 广泛用作全栈 Next.js 脚手架、UI/UX 实现、状态管理逻辑和自动化调试的自主编程伙伴。 - **AI 驱动的威胁建模：** 风险评分引擎中 36 多种独特且高度技术性的解释是使用 LLM 生成的，以确保提供多样化、真实且不重复的威胁评估。 ## 👥 团队成员 | 姓名 | 角色 | 贡献 | | :--- | :--- | :--- | | **Ganesh Krishna Reddy** | 首席全栈工程师 / 安全架构师 | 架构设计、UI/UX 实现、风险引擎算法及项目展示。 | *“守护 Agentic 未来，每次拦截都是一次保障。”*

标签：AI智能体防护, GitHub, MITM代理, SOC安全运营中心, TypeScript, 人工智能安全, 合规性, 威胁情报分析, 安全插件, 自动化攻击, 零信任架构