Trong-Binh/Project_1_2025.2_202416781

# ThreatScan：机器学习恶意软件分类 **项目 I (IT3910E)** - 河内科技大学 **作者：** Pham Trong Binh - 学号：202416781 ## 项目概述 ThreatScan 是一款桌面应用程序，专为安全地静态分析和分类 Windows Portable Executable (PE) 文件而设计。该系统摒弃了传统的基于特征码的检测方法，转而使用 **XGBoost** 机器学习模型来预测可执行文件是良性文件，还是属于特定的恶意软件家族（Ransomware、Stealer、Trojan）。 为了克服 AI 的“黑盒”特性，ThreatScan 集成了 **SHAP (SHapley Additive exPlanations)**，通过交互式的 JavaFX 用户界面为每一次预测提供透明的数学推理解释。 ## 核心功能 - **零风险静态分析：** 解析 PE 头以提取 13 个关键的结构特征，全程无需执行 payload。 - **高精度 ML 引擎：** 实现 97.74% 的分类准确率。 - **可解释 AI (XAI)：** 渲染动态条形图，展示促成模型决策的核心结构特征。 - **未知威胁检测：** 利用概率阈值来标记高度异常的文件。 - **解耦架构：** JavaFX 前端与 Python 后端通过标准 I/O 和 JSON 实现无缝通信。 ## 技术栈 - **前端：** Java、JavaFX、Maven、Gson - **后端：** Python、XGBoost、Scikit-learn、SHAP、pefile、pandas ## 仓库结构 ``` Project_1_2025.2_202416781/ ├── backend_Python/ # Python engine (Feature extraction, XGBoost, SHAP) ├── frontend_Java/ # JavaFX UI, Controllers, and PythonBridgeService ├── doc/ # LaTeX source code and final Project_1.pdf └── README.md # Project documentation ```

标签：Apex, JavaFX, JS文件枚举, XGBoost, 云安全监控, 可解释AI, 域名枚举, 机器学习, 蓝队工具, 逆向工具, 静态分析