hemanthsuluvoi/Project-XDR

🛡️ Project-XDR：AI 驱动的入侵检测与响应 Project-XDR 是一个实时的扩展检测与响应（XDR）pipeline，它利用机器学习来识别并消除网络威胁。它通过实施自动化的 SOAR（安全编排、自动化与响应）playbook，超越了被动的检测方式。 🚀 技术架构 该系统构建于现代安全技术栈之上： AI 核心：基于 41 个网络流量特征训练的 XGBoost（Extreme Gradient Boosting）冠军模型。 API 引擎：采用 FastAPI 与 Uvicorn，实现高并发、低延迟的 packet 分析。 自动化：集成 Discord Webhook，用于实时的 SOC（安全运营中心）告警。 取证：自动化的 CSV 日志记录，用于安全审计和事件复盘。 🛠️ 功能 实时分析：在 100ms 内处理网络流数据。 自动响应：当威胁置信度超过阈值时，自动执行 DROP_IP 操作。 即时告警：在专属的 Discord 频道发送通知，包含威胁详情、置信度分数以及所采取的操作。 安全审计：维护持久化的 security_events.csv 日志，用于取证调查。 📂 项目结构 Bash Project-XDR/ ├── api.py # XDR 引擎（FastAPI + AI 逻辑） ├── test_attack.py # 网络流量模拟器（触发器） ├── xgboost_ids_model.pkl # 训练好的 AI “大脑” └── security_events.csv # 取证审计日志（自动生成） 🚦 如何运行 ``` Start the XDR Engine Bash python api.py Simulate Network Traffic In a separate terminal, run the attack simulator to test the detection logic: ``` Bash python test_attack.py 3. 检查日志 打开 security_events.csv，查看被拦截的 IP 和检测时间戳的历史记录。 📊 未来规划 IP 阻断：与实际的 Windows Firewall/IPtables 集成，在 OS 级别拦截 IP。 仪表盘：开发基于 React 的前端，实时可视化攻击趋势。 云端部署：使用 Docker 对引擎进行 containerizing，以便在 AWS/Azure 环境中部署。 作者：Hemanth Boddupally 领域：计算机科学与工程（网络安全与 AI）

标签：Apex, AV绕过, FastAPI, XGBoost, 入侵检测系统, 安全数据湖, 扩展检测与响应, 机器学习, 网络安全, 逆向工具, 隐私保护