Omm13/Malware-Detection-System

# 恶意软件检测系统 ## 概述 恶意软件检测系统是一个基于机器学习的 Web 应用程序，它可以分析可执行文件并预测它们是 **Malware** 还是 **Benign**。该项目利用了训练好的 **Random Forest Classifier**，并集成了威胁情报服务，通过交互式的 Streamlit 仪表板提供实时的安全洞察。 ## 演示 此应用程序提供： * 使用机器学习进行 Malware/Benign 预测 * 集成 VirusTotal 威胁情报 * 生成文件哈希（MD5 和 SHA256） * 特征重要性可视化 * 生成 PDF 安全报告 * 扫描历史跟踪和分析 ## 功能 * 使用机器学习检测恶意软件 * 生成文件哈希（MD5 和 SHA256） * 集成 VirusTotal 威胁情报 * 特征重要性可视化 * 生成 PDF 安全报告 * 扫描历史仪表板 * 交互式数据可视化 ## 机器学习模型 **算法：** Random Forest Classifier ### 使用的特征 * 文件大小 * 熵 * 节数 * 可疑的 API 调用 * 网络连接 * 注册表修改 * 文件操作 * 进程注入 * DLL 加载 * 可疑字符串 ## 技术栈 * Python * Streamlit * Scikit-learn * Pandas * NumPy * Plotly * ReportLab * VirusTotal API ## 项目结构 ``` Malware-Detection-System/ ├── streamlit_app.py ├── Random_Forest_model.pkl ├── scaler.pkl ├── requirements.txt ├── screenshots/ └── README.md ``` ## 安装 ``` pip install -r requirements.txt streamlit run streamlit_app.py ``` ## 截图 ### 主页  ### 分析仪表板  ### 特征重要性  ### 扫描历史仪表板  ## 未来增强功能 * 集成 SHAP 可解释 AI * 恶意软件家族分类 * 云部署 * 实时威胁监控 ## 作者 **Omm Miriyala** B.Tech CSE（数据科学）

标签：Apex, Kubernetes, Python, Streamlit, 威胁情报, 开发者工具, 无后门, 机器学习, 自定义DNS解析器, 访问控制, 逆向工具