Muffin2112/Sentinel-AI

# Sentinel-AI 使用 React、TypeScript、Node.js 和 Python 开发的 AI 辅助恶意软件分析平台，作为个人作品集项目。 Sentinel-AI 将传统的静态恶意软件分析技术与本地托管的大型语言模型（LLM）相结合，为扫描的文件生成简洁的安全报告。 ## 功能 - 文件上传与恶意软件扫描 - 静态模式检测 - SHA-256、SHA-1 和 MD5 哈希计算 - 熵分析 - YARA 规则检测 - PE 可执行文件分析 - 风险评分引擎 - 使用 Ollama 生成的 AI 安全评估 - 扫描历史仪表板 - 现代 React 界面 ## 技术栈 ### Frontend - React - TypeScript - TailwindCSS - Vite ### Backend - Node.js - Express ### Scanner Engine - Python ### 安全组件 - YARA - pefile - hashlib - SQLite 缓存 ### AI - Ollama - 本地托管的 Llama 3.1 模型 ## 项目结构 ``` Sentinel-AI │ ├── frontend │ └── React / TypeScript application │ ├── backend │ └── Express API and AI integration │ └── scanner ├── Python malware analysis engine ├── YARA rules └── Security analysis modules ``` ## 截图 ### 仪表板  ### 扫描结果  ## 环境要求 在运行 Sentinel-AI 之前，请安装： - Node.js - Python 3.x - Ollama - YARA 依赖项 ## 安装说明 ### 1. 克隆仓库 ``` git clone https://github.com/Muffin2112/Sentinel-AI.git ``` ### 2. 安装 frontend 依赖 ``` cd frontend npm install ``` ### 3. 安装 backend 依赖 ``` cd ../backend npm install ``` ### 4. 安装 Python 依赖 ``` cd ../scanner pip install -r requirements.txt ``` ### 5. 安装 Ollama 下载 Ollama： https://ollama.com/ 拉取所需的模型： ``` ollama pull llama3.1 ``` 启动 Ollama： ``` ollama serve ``` ## 运行应用程序 ### 启动 Backend ``` cd backend npm run dev ``` ### 启动 Frontend ``` cd frontend npm run dev ``` Frontend 访问地址： ``` http://localhost:5173 ``` ## 安全分析 Sentinel-AI 目前执行以下操作： - 生成文件哈希 - 基于模式的威胁检测 - 熵计算 - YARA 扫描 - PE 可执行文件检查 - 风险评分 - AI 生成的安全报告 AI 报告通过 Ollama 在本地生成，不需要外部的云端 AI 服务。 ## 免责声明 Sentinel-AI 是一个教育和作品集项目，旨在演示恶意软件分析技术、全栈软件开发以及 AI 辅助的安全报告功能。 它并非旨在取代专业的恶意软件分析平台或企业级 endpoint 安全解决方案。 ## 未来改进 - 集成 VirusTotal - 额外的 YARA 规则包 - 机器学习分类 - 动态沙箱分析 - 导出 PDF 报告 - 多文件扫描 - Docker 部署 ## 注意事项 该项目展示了将传统安全分析方法与现代 AI 辅助报告相结合，以创建用户友好的恶意软件分析工作流程。

标签：AI风险缓解, DAST, DLL 劫持, MITM代理, YARA, 云安全监控, 云资产可视化, 大语言模型, 安全报告, 恶意软件分析, 自动化攻击, 逆向工具, 静态分析