Raphasha27/ai-log-analyzer
GitHub: Raphasha27/ai-log-analyzer
一款基于 AI 的智能日志分析工具,支持上传多格式系统与应用日志并自动解释可疑事件、提供修复建议。
Stars: 0 | Forks: 0
# AI 日志分析器
[](https://github.com/koketseraphasha/ai-log-analyzer/actions/workflows/ci.yml)
上传 Windows、Linux 或应用程序日志,让 AI 解释发生了什么、为什么可疑以及应该采取什么措施。一个由 AI 驱动的智能日志分析助手。
## 功能
- **日志摄取** — 上传 Windows 事件日志、Linux Syslog、应用程序日志
- **AI 分析** — 用通俗易懂的语言解释事件
- **威胁检测** — 识别可疑模式
- **修复建议** — 推荐纠正措施
- **报告生成** — 导出分析结果
- **多格式支持** — EVTX、CSV、JSON、纯文本
## 架构
```
graph LR
USER[User] --> API[FastAPI]
API --> PROC[Processor]
PROC --> DB[(Database)]
API --> AUTH[Auth Layer]
PROC --> AI[AI/ML Engine]
```
基于微服务的架构,包含 API Gateway、身份验证层、PostgreSQL 持久化以及事件驱动通信。
## 技术栈
- **后端:** FastAPI (Python) + OpenAI API
- **前端:** React + TypeScript
- **数据库:** SQLite(本地)/ PostgreSQL
- **容器:** Docker
## 快速开始
```
cp .env.example .env # Add your OpenAI API key
docker compose up -d
```
## 安全性
防御性安全工具。请参阅 [SECURITY.md](SECURITY.md)。
## 作者
**Koketso Raphasha** — 全栈开发工程师、AI 工程师、网络安全爱好者
## 合理使用声明
此工具严格专为**教育和防御性网络安全目的**而构建。
它只能用于:
- 受控的实验室环境
- 授权的系统
- 安全研究场景
**严禁未经授权的使用。**
## 部署与架构
本项目采用云就绪原则设计:
- 使用 Docker **容器化**,以实现一致的部署
- **基于环境的配置** — 无硬编码密钥
- **模块化结构**,便于独立扩展
- 适用情况下的**无状态设计**
- 为了可维护性的**关注点分离**
### 在本地运行
`ash
docker-compose up --build
`
*Kirov Dynamics 技术作品集的一部分 — 专注于安全性、可扩展性和系统设计的后端工程。*
标签:AMSI绕过, AV绕过, FastAPI, Petitpotam, React, Syscalls, 人工智能, 威胁检测, 安全运营, 异常检测, 扫描框架, 测试用例, 用户模式Hook绕过, 请求拦截, 逆向工具