Arun-uvce09/Cyber-Threat-Intelligence-RAG-Platform

# CyberThreatIntelligence-CTI- 一个由 AI 驱动的网络安全情报平台，它使用检索增强生成 (RAG) 从精选情报源中回答与威胁相关的查询。 该项目在我在 Bharat Electronics Limited (BEL) 实习期间开发，其中关键的摄入和监控功能已被集成到实际项目环境中。 ## 概述 本项目结合了： - 来自已索引威胁情报数据的语义检索 - 由 LLM 辅助的响应生成 - 基于来源的输出，以提高可信度和可追溯性 - 用于生产环境可靠性的监控和新鲜度检查 ## 核心亮点 - 使用 RAG 的端到端 CTI 工作流 - 多源摄入与分块 pipeline - 带有模块化 API 路由的 FastAPI 后端 - 用于搜索和基于聊天探索的 React 前端 - 集成 Prometheus 和 Grafana 以实现可观测性 - 用于监控摄入新鲜度和质量的 MLOps 工具 ## 核心功能 - 威胁情报搜索和上下文问答 - 专注于 MITRE 的检索接口 - 用于新文档的上传和摄入 endpoint - 用于仪表板和告警的监控指标 - 用于保持操作一致性的数据新鲜度跟踪 ## 技术栈 - Python, FastAPI - React, Vite - Qdrant（向量数据库） - Prometheus, Grafana - 用于 RAG 的自定义检索和生成模块 ## 项目结构 - backend：API 服务和路由处理器 - frontend：Web 客户端和 UI 组件 - rag：retriever 和 generator 模块 - scripts：摄入和分块工具 - mlops：新鲜度检查和评分工具 - monitoring：Prometheus 和 Grafana 配置 - json_data 和 chunks：源情报数据和已处理的情报数据 ## 设置与执行 详细的设置和运行命令可在 [SETUP.md](SETUP.md) 中找到。 可以使用 [Dockerfile](Dockerfile) 和 [docker-compose.yml](docker-compose.yml) 进行容器化设置。 ## 仓库说明 本仓库是我维护的项目版本，在保留实习工作背景的同时，被组织为一个独立的实战作品集项目。

标签：AV绕过, DLL 劫持, FastAPI, RAG, React, Syscalls, 大语言模型, 威胁情报, 开发者工具, 网络安全, 自定义请求头, 请求拦截, 运维监控, 逆向工具, 隐私保护