mohantyashuansh-png/Cryptointel-AI

# CryptoIntel AI — NTRO Core (PS-25228) 自主加密货币地址收集与分类系统。 ## 概述 该系统可自主在表层网和深网中抓取加密货币地址，将其与 PII（个人身份信息）及相关背景信息关联，并使用 4-agent LLM swarm (CrewAI) 来提取、评分和分类威胁。数据存储于 Neo4j (Graph) 和 LanceDB (Vector/Evidence) 中，并通过 Next.js React Dashboard 进行可视化展示。 ## 功能 - **确定性正则提取**：检测 BTC、ETH、XMR、TRX、LTC、DOGE、XRP、SOL、ZEC、DASH。 - **自主抓取器**：可配置的目标列表（Clearweb & Tor），支持自动去重。 - **4-Agent LLM Swarm**：OSINT 提取 → 风险评分 → 背景摘要 → 矩阵汇编。 - **双数据库架构**：使用 Neo4j 处理关系 (Graph) & LanceDB 处理原始证据/语义搜索 (Vector)。 - **交互式仪表板**：力导向图、活动时间轴、档案、风险警报和语义搜索。 - **导出功能**：CSV、JSON、自动生成的 HTML 威胁简报和 PDF 报告。 ## 安装说明 ### 1. 前置条件 - Python 3.10+ - Node.js 18+ - [Neo4j Desktop](https://neo4j.com/download/) 或 Neo4j AuraDB ### 2. 安装依赖 ``` # Python 后端 pip install -r requirements.txt # Node 前端 cd frontend npm install ``` ### 3. 环境变量 在根目录下创建一个 `.env` 文件： ``` # Neo4j 数据库 NEO4J_URI=bolt://localhost:7687 NEO4J_USER=neo4j NEO4J_PASSWORD=password # LLM API（以 Gemini 为主，Groq 为备） GEMINI_API_KEY=your_gemini_key GROQ_API_KEY_1=your_groq_key ``` ### 4. 运行系统 在单独的终端中启动 3 个核心组件： **终端 1（后端核心）：** ``` python main.py ``` **终端 2（自主抓取器）：** ``` python scraper.py ``` **终端 3（仪表板）：** ``` cd frontend npm run dev ``` 在浏览器中打开 `http://localhost:3000`。 ## 架构 1. **抓取器 (`scraper.py`)**：从 Telegram、Pastebin、.onion 获取原始数据。POST 至 `/api/v1/investigate`。 2. **AI Swarm (`engine.py`)**：解析原始文本。输出包含节点和边的严格 JSON 矩阵。 3. **核心 API (`main.py`)**：接收该矩阵，注入 Neo4j (Graph)，计算 embeddings，并注入 LanceDB (Evidence Vault)。 4. **仪表板 (`frontend/`)**：提供用于查询、过滤和导出的分析前端。

标签：MITM代理, PyRIT, 加密货币情报, 多智能体系统, 威胁情报, 实时处理, 开发者工具, 开源情报收集, 数据泄露, 网络信息收集, 自动化攻击, 逆向工具