a-tushar-a/Aegis-AI-Malware-Detection

# Aegis - 全栈恶意软件检测系统 [](https://opensource.org/licenses/MIT) [](https://fastapi.tiangolo.com) [](https://spring.io/projects/spring-boot) [](https://react.dev) [](https://www.docker.com) Aegis 是一个可用于生产环境的多服务**恶意软件检测与威胁分析系统**，采用深度学习的字节级特征提取分类器、Spring Security 无状态 REST 处理程序以及高级的响应式仪表盘构建。 ## 🏗️ 系统架构 ``` +----------------------------------------------+ | Client Browser | | React / Vite SPA Frontend | +----------------------+-----------------------+ | | REST / HTTPS v +----------------------------------------------+ | Aegis Spring Boot API | | Backend Core | +-------+------------------------------+-------+ | | | Read / Write | POST /predict (Multipart) v v +---------------+ +---------------+ | PostgreSQL | | AI Service | | Database | | (FastAPI + TF)| +---------------+ +---------------+ ``` 该系统由三个独立的容器化层组成： 1. **AI/ML 服务 (端口 8000)**：Python Web 服务，在程序启动时利用 TensorFlow & scikit-learn 构建多层反向传播神经网络，提取深层字节指标（Shannon 熵、NULL 块密度），并返回带有小数置信度标尺的二进制分类结果。 2. **后端 API (端口 8888)**：企业级 Spring Boot Java 应用，提供安全的身份信息存储（采用 JWT 认证）、加密哈希过滤器、数据库迁移以及 REST 映射。 3. **前端仪表盘 (端口 5173)**：基于 tailwind 构建的 React SPA，动态展示自定义的诊断仪表和日志。 ## 🧠 技术栈矩阵 | 领域 | 技术 | |---|---| | **深度学习与推理** | Python 3.10-slim, FastAPI, TensorFlow/Keras, NumPy, scikit-learn | | **API 核心网关** | Java 17, Spring Boot 3.1.5, Spring Security, RestTemplate, Lombok | | **数据持久化** | PostgreSQL 15 Engine, JPA Hibernate | | **终端客户端** | React 18 / Vite, Tailwind CSS, Lucide icons | | **基础设施与 CI** | Docker, Docker-Compose, GitHub Actions CD/CI, Maven | ## 🗄️ 核心 API 接口端点 | 方法 | 路由 | 身份验证 | 负载描述 | |---|---|---|---| | `POST` | `/api/auth/register` | 开放 | 使用 bCrypt 哈希属性创建新的账户用户配置。 | | `POST` | `/api/auth/login` | 开放 | 验证器挑战。验证成功后，返回持久的无状态 JWT。 | | `POST` | `/api/malware/upload` | Bearer Token | 将文件流传输至后端，计算 SHA256 校验和，查询 AI，并保存结果索引。 | | `GET` | `/api/malware/history` | Bearer Token | 加载按创建日期（DESC 降序）排列的完整历史诊断分析列表。 | ## 🚀 设置与启动指南 ### 选项 A：完整多服务编排 (Docker) 使用 Compose 自动初始化所有端点、数据库 schema、模型训练和客户端。请确保 Docker 处于活动状态： ``` # 克隆 catalog 仓库 git clone https://github.com/your-org/malware-detection-system.git cd malware-detection-system # 启动完整的 container stack docker compose up --build ``` 各项服务将注册并提供服务访问于： * **前端仪表盘**：`http://localhost:5173` * **Spring Boot API**：`http://localhost:8080` * **FastAPI AI 预测器**：`http://localhost:8000` * **PostgreSQL 数据库**：`http://localhost:5432` ### 选项 B：本地交互式开发者独立运行（手动设置） #### 1. 设置 Schema 使用指定的 schema 在 PostgreSQL 中部署您的区域关系型参数： ``` psql -h localhost -U postgres -d postgres -f schema.sql ``` #### 2. 初始化 Python 威胁模型引擎 ``` cd ai-service python3 -m venv venv source venv/bin/activate pip install -r requirements.txt uvicorn main:app --reload --port 8000 ``` #### 3. 运行 Spring REST 后端 ``` cd backend mvn clean spring-boot:run ``` #### 4. 运行客户端仪表盘 ``` cd frontend npm install npm run dev ``` ## 🛡️ 许可证 基于 MIT 许可证分发。详情请参阅 `LICENSE`。

标签：JS文件枚举, Python, React, Syscalls, 人工智能, 威胁分析, 微服务架构, 无后门, 测试用例, 深度学习, 版权保护, 用户模式Hook绕过, 自动化侦查工具, 请求拦截, 逆向工具