Sravya0605/CounterFactual
GitHub: Sravya0605/CounterFactual
该项目通过对恶意软件动态沙箱行为图生成最小反事实编辑来解释分类器判定，帮助分析师理解决策依据并揭示检测模型的捷径学习缺陷。
Stars: 0 | Forks: 0
# 反事实
快速开始（创建 virtualenv，安装依赖，运行 CLI）：
```
python -m venv .venv
.\.venv\Scripts\activate
pip install -r requirements.txt
python -m src.cli parse --input path/to/cape_report.json
```
目录说明：
- `src/ingestion/parser.py`：CAPE JSON -> 事件列表解析器（基础骨架）
- `src/graph/graph_builder.py`：行为图构建器和合并启发式算法
- `src/counterfactual/search.py`：反事实搜索骨架（占位符）
- `src/cli.py`：用于解析 CAPE JSON 并输出图统计信息的简单 CLI
- `src/classifier/`：分类器框架和模型封装（LightGBM + GNN stub）
- `src/utils/graph_features.py`：图 -> bag-of-API 特征，用于 LightGBM 基线
标签：Apex, DAST, 反事实解释, 可解释AI, 图神经网络, 恶意软件分析, 文档结构分析, 机器学习, 逆向工具