ridhimagarg23/TraceAI

# 🛡️ TraceAI - 卧底诈骗调查仪表板 TraceAI 是一个生产就绪、AI 驱动的诈骗调查平台。它提供自动化的卧底代理能力，可与在线诈骗者互动，提取入侵指标 (IOC)，执行风险评分，并为安全分析师汇编详细的事件报告。 ## 📖 目录 - [概述](#overview) - [核心功能](#key-features) - [架构](#architecture) - [技术栈](#technology-stack) - [环境变量](#environment-variables) - [本地安装与运行](#local-installation--run) - [运行单元测试](#running-unit-tests) - [生产部署](#production-deployment) ## 🔍 概述 TraceAI 通过在通信路径中置入 AI 驱动的代理来解决主动诈骗调查的难题。它会分析诈骗 payload，生成针对威胁环境（例如银行诈骗、招聘诈骗、投资骗局）量身定制的受害者画像，并执行自动化的卧底聊天。在聊天过程中，它会动态提取电话号码、URL、银行账户和电子邮件地址等指标，为安全团队提供经过验证的证据，以拆除诈骗基础设施。 ## ✨ 核心功能 - **动态身份生成**：自适应调查引擎会根据检测到的威胁环境，自动塑造逼真的受害者画像。 - **卧底互动**：自动路由对话，以安全地提取诈骗凭证和详细信息。 - **IOC 提取**：实时识别诈骗链接、银行账户、电子邮件、电话号码和 UPI ID。 - **风险评分与分级**：使用复合规则在 0-100 的范围内评估威胁严重程度。 - **交互式控制台与实时时间线**：显示实时的代理更新和追踪日志。 - **Markdown 报告生成**：汇编结构化的安全情报报告以供导出。 ## 🏗️ 架构 该平台分为轻量级的 FastAPI 后端和响应式的原生风格单页 HTML 前端。 ``` graph TD A[Frontend Dashboard - index.html] -->|API Requests| B[FastAPI Server - api.py] B --> C[Adaptive Investigation Engine] B --> D[Investigation Agent] B --> E[Conversation Agent] B --> F[Report Agent] C -->|Maintains State| G[Investigation State & Profile] D & E & F -->|AI Inference| H[LLM Client - OpenRouter/Qwen] D -->|IOC Parse| I[Entity Extractor] D -->|URL Scan| J[URL Checker] D -->|Score Risk| K[Risk Engine] B -->|Save History| L[Memory Manager - JSON DB] ``` ## 💻 技术栈 * **后端**：Python 3.10+, FastAPI, Uvicorn * **前端**：HTML5, 原生 CSS3（石板色与翠绿色自定义主题，深色/浅色切换），原生 JavaScript * **AI/LLM**：通过 OpenRouter 集成 OpenAI API（默认模型为 `qwen/qwen3-32b`） * **测试**：Python unittest ## 🔑 环境变量 要运行该应用程序，请在根目录下配置一个包含以下内容的 `.env` 文件： ``` OPENROUTER_API_KEY=your-openrouter-api-key LLM_MODEL=qwen/qwen3-32b ``` ## 🚀 本地安装与运行 ### 前置条件 - Python 3.10+ - Git ### 1. 克隆并设置目录 ``` cd kaggle-capstone ``` ### 2. 创建并激活虚拟环境 ``` # Windows python -m venv venv .\venv\Scripts\activate # macOS/Linux python3 -m venv venv source venv/bin/activate ``` ### 3. 安装依赖项 ``` pip install -r requirements.txt ``` ### 4. 运行后端 API ``` python -m backend.api ``` FastAPI 服务器将在 [http://127.0.0.1:8001](http://127.0.0.1:8001) 启动。 ### 5. 启动前端服务 ``` # 启动一个简单的 HTTP server 来提供静态前端 python -m http.server 8000 --directory frontend ``` 您现在可以在 Web 浏览器中打开 [http://127.0.0.1:8000](http://127.0.0.1:8000)。 ## 🧪 运行单元测试 我们包含了一个基于 mock 的单元测试套件，该套件可离线运行，无需 API 密钥： ``` python -m unittest discover -s tests ``` ## ☁️ 生产部署 ### 后端 (Render) 1. 在 Render 上创建一个 **Web Service**。 2. 关联您的 GitHub 仓库。 3. 配置以下设置： - **环境**：`Python` - **构建命令**：`pip install -r requirements.txt` - **启动命令**：`uvicorn backend.api:app --host 0.0.0.0 --port $PORT` 4. 在 Render 设置中添加以下 **环境变量**： - `OPENROUTER_API_KEY` = `your-actual-api-key` - `LLM_MODEL` = `qwen/qwen3-32b` ### 前端 (Vercel) 1. 将 `frontend/` 目录作为静态站点部署到 Vercel。 2. Vercel 将自动托管该站点并提供一个生产域名。 3. 更新 `frontend/index.html` 中的 `API_URL`，使其指向新部署的 Render 后端 URL。

标签：AV绕过, FastAPI, PyRIT, 人工智能, 后端开发, 多智能体系统, 威胁情报, 安全调查, 开发者工具, 数据可视化, 用户模式Hook绕过, 网络调试, 自动化, 逆向工具