MajedBAS/Cyber-Intelligence-Radar

# 网络情报雷达 (CIR) # 🧠 产品概述 Cyber Intelligence Radar 是一个为网络威胁情报工作流构建的调查分析系统。 它使分析人员能够通过结合以下要素的多层取证关联引擎，实现从**原始开源数据 → 结构化情报**的转化： - 语言学分析 - 语义理解 - 时序行为建模 - 网络图谱情报 - 视觉资产指纹识别 该系统专为**分析师在环的调查**而设计，确保每个输出都是可解释、可追溯且有证据支持的。 # 🎯 核心使命 CIR 旨在回答一个问题： 它支持对以下内容的调查： - 协调性影响行动 - 虚假信息活动 - 机器人驱动的放大网络 - 叙事操纵生态系统 - 跨账户行为同步 # 🧩 系统架构 ``` graph TD A[Open Source Signals] --> B[Data Ingestion Layer] B --> C[Normalization Engine] C --> D[Multi-Modal Feature Extraction] D --> E1[Lexical Intelligence Layer] D --> E2[Semantic Intelligence Layer] D --> E3[Temporal Behavior Engine] D --> E4[Network Graph Engine] D --> E5[Visual Forensics Engine] E1 --> F[Evidence Correlation Engine] E2 --> F E3 --> F E4 --> F E5 --> F F --> G[Cluster & Campaign Detection] G --> H[Patient Zero Identification] H --> I[Intelligence Report Generator] I --> J[Analyst Investigation Dashboard] ``` # 🔍 检测框架 CIR 不依赖单一信号。 相反，它采用**多证据关联情报**： ### 1. 语言学信号 - 文本重复检测 - 标签传播追踪 ### 2. 语义信号 - 基于 embedding 的相似度 (NLP 模型) - 叙事一致性聚类 ### 3. 时序信号 - 同步发布行为 - 突发活动检测 ### 4. 网络信号 - 账户关系图谱 - 集群中心性检测 - 协调枢纽识别 ### 5. 视觉信号 - 感知哈希 (pHash / dHash) - 跨账户图像复用 - 媒体传播追踪 # 🧠 核心情报能力 ### 📡 OSINT 收集层 - 从社交平台摄入公开数据 - 非侵入式收集设计 - 元数据提取与结构化 ### 🧬 行为情报引擎 - 检测异常发布行为 - 识别类自动化模式 - 衡量协调概率 ### 🧠 语义情报层 - 多语言 embedding 分析 - 叙事聚类 - 话题演变追踪 ### 🕸️ 网络情报引擎 - 基于图谱的关系建模 - 集群检测（协调群组） - 影响力节点识别 ### 🖼️ 视觉取证引擎 - 使用感知哈希进行图像重复检测 - 跨活动的媒体复用追踪 ### 🎯 零号病人分析 - 识别最早可观测的起源点 - 追踪跨集群的传播方向 - 重构活动时间线 ### 📊 情报输出引擎 生成结构化情报报告： - 执行摘要 - 关键发现 - 行为指标 - 网络分析 - 时序细分 - 视觉证据 - 置信度评分（实验性） ### 🖥️ 分析师仪表板 交互式调查界面，包括： - 活动概述 - 集群可视化 - 网络图谱 - 时间线分析 - 语义相似度映射 - 媒体重复追踪 - 调查日志 # ⚙️ 技术栈 - Python（核心引擎） - Playwright（OSINT 收集层） - Sentence Transformers（NLP Embeddings） - NetworkX（图分析） - Pandas / NumPy（数据处理） - ImageHash（pHash / dHash） - Pillow（图像处理） - CustomTkinter（GUI 界面） # 🧪 设计理念 CIR 基于三个核心原则构建： ### 1. 证据优先的情报 不使用单一信号进行归因。 ### 2. 可解释的分析 所有输出均可追溯至可观测信号。 ### 3. 分析师在环设计 系统辅助而非取代人类判断。 # 📦 仓库结构 ``` Cyber-Intelligence-Radar/ ├── screenshots/ # Dashboard visuals ├── reports/ # Generated intelligence reports ├── demo/ # System demonstration videos └── README.md ``` # 🔐 安全与伦理 CIR 严格设计用于**防御性网络威胁情报研究**。 - 仅使用公开的 OSINT 数据 - 无漏洞利用或入侵能力 - 无绕过身份验证技术 - 专为合法调查场景设计 # 📈 研究亮点 - 多层 CIB 检测系统 - 语义 + 词汇关联引擎 - 时序协调分析 - 基于网络的影响检测 - 用于媒体复用的视觉指纹识别 - 可解释的情报报告框架 # 🧭 调查流程示例 **输入：** - 标签活动或关键词 **输出：** - 数据集摄入完成 - 检测到协调集群 - 已映射叙事传播 - 视觉重复已确认 - 已识别零号病人 - 情报报告已生成 # 🧪 未来增强计划 - 基于 AI 的置信度评分引擎 - 跨平台活动关联 - 高级社区检测（Leiden / Louvain） - 可解释 AI (XAI) 层 - 实时监控模式 - 多语言扩展 # ⚠️ 免责声明 CIR 提供**基于可观测 OSINT 信号的分析评估**。 结果是概率性的，旨在支持调查工作流，而非取代专家的人类判断。 # 📬 联系方式 GitHub: Email: Majedbasllom@gmail.com © 2026 Cyber Intelligence Radar

标签：人工智能, 图数据分析, 威胁情报, 开发者工具, 特征检测, 特权检测, 用户模式Hook绕过, 社交网络分析, 虚假信息检测, 逆向工具