Srivatsa-M-N/AI-Powered-Blockchain-MEC-IDS

# 基于AI和区块链赋能的协同MEC入侵检测系统 ## 概述 本项目是一个分布式入侵检测系统 (IDS)，结合了人工智能 (AI)、多接入边缘计算 (MEC) 和区块链技术，用于实时检测、分类网络攻击并进行协同响应。 每个 MEC 节点使用深度神经网络 (DNN) 独立分析网络流量，同时基于区块链的威胁情报机制在节点之间安全地共享恶意 IP 信息，从而实现去中心化且具有弹性的网络防御。 ## 功能特性 - 使用深度神经网络 (PyTorch) 驱动的网络攻击检测 - 通过 FastAPI REST API 进行实时入侵检测 - 包含多个 MEC 节点的分布式架构 - 基于区块链的协同威胁情报共享 - 使用智能合约逻辑自动将恶意 IP 加入黑名单 - 带有攻击可视化功能的实时监控仪表盘 - 风险评估和置信度评分 - 使用 CICIDS2017 数据集进行多分类攻击分类 ## 技术栈 - Python - FastAPI - PyTorch - Scikit-learn - NumPy - HTML - CSS - JavaScript - Bootstrap - Blockchain (自定义实现) ## 系统架构 ``` Network Traffic │ ▼ AI Detection Model (DNN) │ ▼ Attack Classification │ ▼ Smart Contract Logic │ ▼ Blockchain Threat Intelligence │ ┌────────────────┼────────────────┐ ▼ ▼ ▼ MEC Node 1 MEC Node 2 MEC Node 3 │ │ │ └──────── Threat Intelligence ───┘ ``` ## 项目结构 ``` AI-Powered-Blockchain-MEC-IDS/ │ ├── app.py ├── predict.py ├── model.py ├── blockchain.py ├── blacklist.py ├── smart_contract.py ├── mec_utils.py ├── mec_node_1.py ├── mec_node_2.py ├── mec_node_3.py ├── requirements.txt ├── templates/ ├── static/ ├── ids_model.pth ├── multiclass_scaler.pkl └── label_encoder.pkl ``` ## 数据集 - **数据集：** CICIDS2017 - **类别：** 包含多种网络攻击类别： - BENIGN - DDoS - DoS Hulk - DoS GoldenEye - PortScan - Bot - FTP-Patator - SSH-Patator - Web Attack ## 安装说明 克隆仓库 ``` git clone https://github.com/YOUR_USERNAME/YOUR_REPOSITORY.git cd YOUR_REPOSITORY ``` 安装依赖项 ``` pip install -r requirements.txt ``` ## 运行项目 启动主 IDS ``` uvicorn app:app --reload --port 8000 ``` 启动 MEC 节点 1 ``` uvicorn mec_node_1:app --reload --port 8001 ``` 启动 MEC 节点 2 ``` uvicorn mec_node_2:app --reload --port 8002 ``` 启动 MEC 节点 3 ``` uvicorn mec_node_3:app --reload --port 8003 ``` ## 未来展望 - Docker 容器化 - Kubernetes 部署 - 真实区块链集成 - 实时数据包捕获 - 在 AWS 上进行云部署 - 用于攻击预测的可解释 AI (XAI) ## 作者 **你的名字** 工程学士 (信息科学与工程)

标签：AV绕过, FastAPI, 入侵检测系统, 凭据扫描, 区块链, 多模态安全, 威胁情报, 安全数据湖, 开发者工具, 数据可视化, 深度学习, 网络安全, 边缘计算, 逆向工具, 隐私保护