Mathesv/Cybershield

# CyberShield — 多工具安全仪表板 一个对新手友好的网络安全项目，将**四个独立且贴近现实的 安全工具**整合到一个 Flask Web 仪表板中。完全使用 Python 标准库构建（无付费 API，无黑盒库），因此每一行代码都能在答辩/演示中进行解释。 ## 功能介绍 | # | 模块 | 领域 | 教学内容 | |---|--------|--------|------------------| | 1 | 密码强度分析器 | 应用安全 | 熵、暴力破解数学、泄露密码字典 | | 2 | 文件完整性监控器 | 端点安全 | SHA-256 哈希、基线/差异检测（Tripwire/AIDE 的工作原理） | | 3 | 网络端口扫描器 | 网络安全 | TCP 握手、服务指纹识别（Nmap 基本扫描的工作原理） | | 4 | 钓鱼 URL 检测器 | 社会工程学防御 | 启发式威胁评分（浏览器/邮件过滤器的工作原理） | ## 项目结构 ``` cybershield/ ├── app.py # Flask backend — all 4 security modules + API routes ├── requirements.txt # Just Flask ├── templates/ │ └── index.html # Single-page dashboard UI ├── static/ │ ├── style.css # Dark "security console" theme │ └── script.js # Talks to the backend via fetch() └── data/ └── baseline.json # Auto-created — stores file-integrity baselines ``` ## 如何运行 ``` # 1. Clone 或下载此 repo，然后进入该目录 cd cybershield # 2. （推荐）创建一个 virtual environment python3 -m venv venv source venv/bin/activate # Windows: venv\Scripts\activate # 3. 安装这一个 dependency pip install -r requirements.txt # 4. 运行它 python3 app.py # 5. 打开你的浏览器 http://127.0.0.1:5000 ``` ## 模块 1 — 密码强度分析器 **工作原理：** - 计算 **Shannon 熵**：`entropy = length × log2(character_pool_size)`。 如果你使用了小写字母、大写字母、数字和符号，字符池的大小就会增加——更大的 字符池意味着攻击者必须在每个字符上从更多的可能性中进行猜测。 - 估算**真实的破解时间**，假设攻击者每秒可以尝试 100 亿次 猜测（这是离线 GPU 破解设备的真实数据）。 - 将密码与世界上一些最常见的已泄露密码（`123456`、`password` 等）列表进行交叉检查——这与“Have I Been Pwned”式检查背后的理念相同，但在本地完成，无需调用 API。 - 按照 NIST SP 800-63B 指南描述的方式对密码规则（长度、大小写、数字、符号）进行评分。 **试试看：** 输入 `123456`（弱），然后再输入 `Gr@n1te-Bridge92!`（非常强）并进行对比。 ## 模块 2 — 文件完整性监控器 **工作原理：** - `hash_file()` 以 8KB 为块读取文件，并通过 **SHA-256** 进行处理，生成 唯一的指纹。即使更改文件中的哪怕一个字节，哈希值也会完全改变。 - “Save Baseline”会对文件夹中的每个文件进行哈希处理，并将结果存储在 `data/baseline.json` 中。 - “Check Now”会重新对文件夹进行哈希处理，并将其与保存的基线进行比较，报告 任何被**修改**、**添加**或**删除**的文件——这正是真实的 文件完整性工具（Tripwire、AIDE、Windows 文件完整性监控）检测 篡改或恶意软件的方式。 **试试看：** 将它指向任意文件夹，保存基线，在其中编辑/添加/删除文件， 然后再次点击“Check Now”。 ## 模块 3 — 网络端口扫描器 **工作原理：** - 针对 14 个知名端口（FTP、SSH、HTTP、MySQL、RDP 等）中的每一个，它会尝试使用 Python 的 `socket` 模块进行真实的 **TCP connect**。 - 如果连接成功（`connect_ex` 返回 0），则报告该端口为 **OPEN**， 这意味着有某些服务正在那里监听。 - 这与 Nmap 默认 `-sT`（TCP connect）扫描背后的基本技术相同。 **⚠️ 道德规范提示（对答辩很重要）：** 扫描你不拥有或 没有书面测试许可的系统在大多数国家是非法的（例如根据 《计算机滥用法》/《IT 法》）。这就是为什么此工具默认指向 `127.0.0.1` （你自己的机器）。在你展示项目时请明确提及这一界限—— 评估者很乐意看到你理解这一点。 ## 模块 4 — 钓鱼 URL 检测器 **工作原理：** 运行 7 项启发式检查并累加风险分数： 1. URL 长度 > 75 个字符 2. 域名是原始 IP 地址而不是名称 3. 包含 `@` 符号（可隐藏真实目的地） 4. 域名有 2 个或更多连字符（在仿冒的相似域名中很常见） 5. 未使用 HTTPS 6. 包含可疑关键字（`login`、`verify`、`secure`、`banking` 等） 7. 使用已知的 URL 缩短服务（可掩盖真实链接） 这反映了真实的浏览器/邮件钓鱼过滤器在引入机器学习之前，在最基本层面上的工作方式。 **试试看：** 将 `https://www.wikipedia.org`（低风险）与类似 `http://192.168.1.1-secure-login.tk/verify@bank.com`（高风险）的地址进行对比。 ## 为什么这个项目脱颖而出 大多数初学者的网络安全提交作品都是*单一*的脚本——一个端口扫描器， 或一个密码检查器。本项目展示了对**四个 不同网络安全领域**（应用安全、端点安全、网络 安全、社会工程学防御）的综合能力，它们被集成在一个具有凝聚力且可运行的 Web 应用程序中—— 同时保持足够简单，使得每个函数都能在不到一段话的篇幅内逐行解释。 ## 可能的未来扩展（在你的报告中作为“未来范围”提及这些） - 当文件完整性监控器检测到更改时添加邮件提醒 - 在分析器旁边添加密码生成器 - 扩展端口扫描器以接受自定义端口范围 - 训练一个小型 ML 模型来替代钓鱼启发式算法（一个很棒的“第二部分”项目） ## 技术栈 - **后端：** Python 3, Flask - **前端：** HTML, CSS, 原生 JavaScript（无框架） - **核心安全概念：** hashlib (SHA-256), socket (TCP), 正则表达式, 熵数学 - **依赖项：** 仅 Flask —— 其他所有内容均为 Python 的标准库 ## 许可证 可免费用于学术用途和修改。

标签：Flask, Python, x64dbg, 多模态安全, 密码强度分析, 插件系统, 数据可视化, 数据统计, 无后门, 端口扫描, 网络安全, 逆向工具, 隐私保护