Jaskaran-cpu/SENTINEL-AI
GitHub: Jaskaran-cpu/SENTINEL-AI
一个基于机器学习集成方法的网络入侵检测平台，通过多模型融合与交互式仪表盘对网络流量进行多分类威胁识别。
Stars: 0 | Forks: 0
# 🛡️ Sentinel AI v6
**神经网络网络威胁情报平台**
用于多分类网络入侵检测的纯 ML pipeline，包含 6 种模型架构、24 个工程特征以及交互式可视化。
## 架构
```
┌──────────────────────────────────────────┐
│ Streamlit Multi-Page UI │
├──────────────────────────────────────────┤
│ Dashboard │ ML Engine │ Model Lab │ ... │
├──────────────────────────────────────────┤
│ VizEngine (Plotly) │
├──────────────────────────────────────────┤
│ MLPipeline │
│ ┌────┐ ┌────┐ ┌────┐ ┌────┐ ┌────┐ │
│ │ RF │ │XGB │ │SVM │ │MLP │ │LGBM│ │
│ └──┬─┘ └──┬─┘ └──┬─┘ └──┬─┘ └──┬─┘ │
│ └───────┴───────┼───────┴─────┘ │
│ Soft Voting Ensemble │
├──────────────────────────────────────────┤
│ DataEngine │
│ Generate → Engineer → Scale → Split │
└──────────────────────────────────────────┘
```
## 快速开始
```
cd sentinel-ai-v6
pip install -r requirements.txt
streamlit run app.py
```
## Docker
```
docker-compose up --build
```
## 功能
- **6 种模型**：Random Forest、XGBoost、SVM、Neural Network、LightGBM、Soft Voting Ensemble
- **24 个特征**：15 个原始网络特征 + 9 个工程特征
- **9 个分类**：正常、DDoS、Port Scan、Brute Force、SQL Injection、XSS、MITM、DNS Tunneling、Data Exfiltration
- **评估**：混淆矩阵、ROC 曲线、交叉验证、特征重要性
- **实时检测**：对单个流量样本进行分类，并提供概率分解
## 许可证
MIT © 2024 Cyber Defense Systems
标签：Apex, Kubernetes, Streamlit, 可视化仪表板, 威胁情报, 开发者工具, 机器学习, 网络安全, 网络流量分析, 访问控制, 请求拦截, 逆向工具, 隐私保护