monishkumar9840/AI-Enhanced-Memory-Forensics-Analyzer

🧠 AI 增强内存取证分析器 📌 概述 AI 增强内存取证分析器是一个基于 Python 的网络安全项目，它利用数字取证技术和机器学习，自动执行易失性内存（RAM）分析。 该系统分析使用 Volatility 3 提取的内存 artifacts，识别可疑和隐藏的进程，计算威胁分数，使用决策树模型对进程进行分类，并通过交互式图表将分析结果可视化。 该项目展示了内存取证与人工智能的结合，以协助数字取证调查。 🚀 功能 - 内存转储分析 - 从 Volatility 输出中提取进程 - 基于可疑行为的威胁评分 - 基于机器学习的进程分类 - 隐藏进程检测 - 生成 CSV 报告 - 使用 Matplotlib 进行仪表板可视化 🛠 使用的技术 - Python - Pandas - Scikit-learn - Matplotlib - Volatility 3 - 机器学习（决策树） 📂 项目结构 ``` AI-Enhanced-Memory-Forensics-Analyzer/ │ ├── main.py ├── psscan.txt ├── pslist.txt ├── output.csv ├── requirements.txt ├── README.md ``` ⚙️ 前置条件 - Python 3.10+ - Volatility 3 - 内存转储文件 使用 Volatility 3 生成所需的进程列表： ``` python vol.py -f memory.raw windows.psscan > psscan.txt python vol.py -f memory.raw windows.pslist > pslist.txt ``` 📥 安装说明 克隆仓库 ``` git clone https://github.com/monishkumar9840/AI-Enhanced-Memory-Forensics-Analyzer.git ``` 安装依赖项 ``` pip install -r requirements.txt ``` ▶️ 用法 运行分析器： ``` python main.py ``` 应用程序将： - 提取进程 - 计算威胁分数 - 训练决策树分类器 - 检测隐藏进程 - 生成 CSV 报告 - 显示分析图表 📊 输出 该工具生成： - 进程摘要 - 可疑进程列表 - 隐藏进程检测 - output.csv 报告 - 线程分布图 - 进程分类图表 - 按线程排序的顶级进程 ## 🧠 机器学习 该项目使用决策树分类器将进程分类为： - 正常 - 可疑 分类基于以下特征： - 线程数 - 句柄数 - 威胁分数 📈 仪表板 仪表板包括： - 按线程排序的 10 大进程 - 可疑进程与正常进程对比 - 线程分布直方图 ## 🔮 未来增强功能 - 基于深度学习的恶意软件检测 - 集成 YARA 规则 - 支持 VirusTotal API - 内存时间线分析 - 生成 PDF 取证报告 - 使用 Flask 的 Web 仪表板 - 支持实时内存获取 👨‍💻 作者 Monish Kumar R 网络安全 | 数字取证 | 内存分析 | 机器学习 | Python

标签：Apex, JARM, Python, Volatility 3, Web技术栈, 内存分析, 数字取证, 无后门, 机器学习, 自动化脚本, 逆向工具