Zkp1-2/SecureAI-Sentinel

# SecureAI Sentinel **SecureAI Sentinel** 是一个 AI 辅助的漏洞分诊和修复平台，使用 **FastAPI**、**React**、本地 RAG、扫描器报告解析器、CVSS 风格的风险评分、工作区存储和修复工单导出功能构建。 它将原始的漏洞描述和扫描器输出转换为结构化的安全发现、风险评分、攻击路径、缓解计划、分析师工作流状态以及可导出的安全报告。 ## 演示工作流 ``` Security text / PDF / scanner report ↓ Parser and scanner normalizer ↓ Evidence extraction ↓ Local RAG cybersecurity knowledge retrieval ↓ Multi-agent analysis pipeline ↓ Risk score + CVSS-style vector + priority/SLA ↓ Attack path + defense recommendations ↓ Markdown/JSON report + remediation ticket ↓ SQLite workspace history and finding status tracking ``` ## 主要功能 ### AI 安全分析 - 多 Agent 工作流： - 漏洞分析 Agent - 风险评分 Agent - 攻击路径 Agent - 防御建议 Agent - 报告编写 Agent - 基于网络安全笔记的本地 RAG 检索。 - 通过兼容 OpenAI 或兼容 Ollama 的 endpoint 的可选 LLM 模式。 - 基于证据的分析，以降低幻觉风险。 - 确定性回退模式，用于可重复的演示结果。 ### 实用的扫描器数据摄取 支持的输入类型： - 纯文本报告 - Markdown 和日志文件 - PDF 报告 - JSON 报告 - XML 报告 - CSV 报告 内置解析器支持： - OWASP ZAP JSON - Trivy JSON - Semgrep JSON - Nmap XML - 通用漏洞 CSV - 通用 JSON/XML 回退 示例扫描器报告位于： ``` samples/ ``` ### 风险分诊与分析师工作流 - CVSS 风格的风险向量： - 攻击向量 - 攻击复杂度 - 所需权限 - 用户交互 - 机密性、完整性、可用性影响 - 可利用性 - 业务影响 - 优先级映射：P0、P1、P2、P3。 - 建议的修复 SLA。 - 安全发现状态工作流： - 需要审查 - 已确认 - 误报 - 已接受风险 - 已修复 - 导出为 Markdown 的修复工单。 - 带有已保存分析历史的 SQLite 工作区。 ### 报告与评估 - Markdown 报告导出。 - JSON 结果导出。 - 用于回归测试的内部 benchmark。 - 评估信号： - 检索覆盖率 - 置信度 - 输入解析器类型 - Agent trace 摘要 ## 技术栈 | 层级 | 技术 | |---|---| | 后端 | Python, FastAPI, Pydantic | | 前端 | React, Vite, CSS | | 检索 | 基于 scikit-learn 的本地 TF-IDF RAG | | 存储 | SQLite | | 解析 | JSON, CSV, XML, PDF 解析器 | | 可选 LLM | 兼容 OpenAI 的 API 或兼容 Ollama 的 API | | 部署 | Docker Compose | ## 项目结构 ``` secureai-sentinel/ ├── backend/ │ ├── app/ │ │ ├── agents/ # analysis agents and rule engine │ │ ├── evaluation/ # benchmark logic │ │ ├── rag/ # local knowledge retrieval │ │ ├── schemas/ # Pydantic models │ │ ├── services/ # orchestrator, storage, tickets, LLM client │ │ └── utils/ # file parser and text utilities │ ├── data/knowledge_base/ # OWASP/MITRE/CVE-style local notes │ ├── requirements.txt │ └── run_benchmark.py ├── frontend/ │ ├── src/ │ │ ├── main.jsx │ │ └── style.css │ ├── package.json │ └── index.html ├── samples/ # sample scanner files ├── experiments/ # benchmark cases and results ├── docs/ # architecture, report, demo, CV/SOP material ├── docker-compose.yml └── README.md ``` ## 快速开始 ### 1. 克隆仓库 ``` git clone https://github.com/Zkp1-2/secureai-sentinel.git cd secureai-sentinel ``` ### 2. 运行后端 ``` cd backend python -m venv .venv ``` 在 **Windows PowerShell** 上： ``` Set-ExecutionPolicy -Scope Process -ExecutionPolicy Bypass .\.venv\Scripts\Activate.ps1 pip install -r requirements.txt uvicorn app.main:app --reload --port 8000 ``` 如果在 Windows 上激活失败，请直接通过虚拟环境运行： ``` .\.venv\Scripts\python.exe -m pip install -r requirements.txt .\.venv\Scripts\python.exe -m uvicorn app.main:app --reload --port 8000 ``` 在 **macOS/Linux** 上： ``` source .venv/bin/activate pip install -r requirements.txt uvicorn app.main:app --reload --port 8000 ``` 后端将运行于： ``` http://127.0.0.1:8000 ``` ### 3. 运行前端 打开第二个终端： ``` cd frontend npm install npm run dev ``` 前端将运行于： ``` http://127.0.0.1:5173 ``` ## Docker Compose ``` docker compose up --build ``` 后端：`http://127.0.0.1:8000` 前端：`http://127.0.0.1:5173` ## 如何测试 1. 运行后端和前端。 2. 使用内置的示例按钮： - SQL 注入 - XSS - 弱认证 - SSRF - RCE - Trivy JSON 3. 从 `samples/` 上传文件： - `zap_sample.json` - `trivy_sample.json` - `semgrep_sample.json` - `nmap_sample.xml` - `generic_vulns.csv` 4. 创建一个工作区项目。 5. 保存当前分析。 6. 创建一个修复工单。 7. 下载 Markdown 和 JSON 报告。 8. 运行 benchmark。 ## 示例用例 ### 手动漏洞审查 粘贴漏洞描述，例如 SQL 注入、XSS、SSRF、RCE、弱身份验证或访问控制失效。SecureAI Sentinel 将检测安全发现、对风险进行评分、生成攻击路径并创建修复建议。 ### 扫描器报告分诊 上传来自受支持工具（如 OWASP ZAP、Trivy、Semgrep、Nmap 或基于 CSV 的漏洞跟踪器）的扫描器输出。系统将标准化安全发现、提取证据、对安全问题进行分组，并生成供分析师使用的报告。 ### 安全作品集演示 该项目演示了实用的 AI 安全工程，包括扫描器解析、本地 RAG、多 Agent 分析、风险评分、工作流存储和安全报告生成。 ## 截图 ### 仪表板  ### 扫描器分析  ### 工单导出  ### Benchmark  ## 简历要点示例 - 使用 FastAPI、React、本地 RAG、扫描器解析器和 CVSS 风格的风险评分，构建了一个全栈 AI 辅助漏洞分诊平台。 - 实现了对 OWASP ZAP、Trivy、Semgrep、Nmap、CSV、PDF、JSON、XML 和基于文本的漏洞报告的自动化摄取。 - 开发了多 Agent 工作流，用于漏洞分类、攻击路径推理、缓解计划制定、修复工单生成以及分析师状态跟踪。 - 添加了基于 SQLite 的项目工作区、已保存的分析历史、Markdown/JSON 报告导出，以及用于回归测试的内部 benchmark 套件。 ## 局限性 - 本系统是一个 AI 辅助的安全分诊原型。 - 在做出生产修复决策之前，安全发现应由合格的分析师进行验证。 - 本地 RAG 知识库特意设计得较小，应在实际使用中加以扩展。 - 包含的 benchmark 用于回归测试，并非旨在进行广泛的准确性声明。 ## 未来工作 - 添加更丰富的 CVSS 3.1/4.0 评分。 - 添加 Jira/GitHub Issues API 集成。 - 扩展网络安全知识库。 - 添加身份验证和多用户角色。 - 添加容器化的向量数据库支持。 - 添加更大规模的真实世界评估数据集。 ## 免责声明 SecureAI Sentinel 旨在用于教育、作品集展示和防御性安全研究。它不应作为生产安全决策的唯一依据。

标签：AI, AV绕过, FastAPI, GPT, RAG, React, Syscalls, 漏洞管理, 自动化代码审查, 请求拦截, 逆向工具