Sanchit-Agalave27/ad-risk-engine
GitHub: Sanchit-Agalave27/ad-risk-engine
一个结合机器学习与规则引擎的 Active Directory 身份认证风险检测平台，用于解决传统 SIEM 在复杂多阶段身份入侵场景下误报率高、检测能力不足的问题。
Stars: 0 | Forks: 0
# 🛡️ AI 驱动的 Active Directory 身份与访问风险引擎
## 📖 概述
传统的安全信息和事件管理 (SIEM) 工具严重依赖静态的、基于规则的告警，这会产生大量误报，并且无法检测复杂的、多阶段的身份入侵。本项目通过实现一个**混合风险评分引擎**解决了这个问题，该引擎将确定性的速度/地理规则与无监督异常检测（Isolation Forest）以及有监督的攻击分类（Random Forest）统一了起来。它通过高性能的异步 FastAPI 微服务公开这些模型，并通过交互式 Streamlit SOC 指挥中心可视化遥测数据。
## 🏗️ 系统架构
```
[Synthetic AD Logs] ──> [Feature Engineering] ──> [SQLite Database]
│
┌──────────────────────────────────────────────┘
▼
[FastAPI Backend Engine]
├── Isolation Forest (Unsupervised Behavioral Anomaly)
├── Random Forest (Supervised Attack Classification)
└── Rule-Based Heuristics (Velocity & Geography)
│
▼
[Streamlit SOC Command Center / Attack Simulator]
```
标签：Apex, AV绕过, FastAPI, Kubernetes, Streamlit, 安全运营中心, 异常检测, 机器学习, 网络映射, 访问控制, 身份与访问管理, 逆向工具, 风险控制引擎