akashs2023b-cell/Explainable-Cloud-Threat-Intelligence-Platform-Using-GNNe_Azure_Cloud_Project_2026-
GitHub: akashs2023b-cell/Explainable-Cloud-Threat-Intelligence-Platform-Using-GNNe_Azure_Cloud_Project_2026-
一个基于 Azure 云服务和图神经网络的云威胁情报检测平台，通过构建异构图识别多阶段攻击并提供模型可解释性。
Stars: 0 | Forks: 0
# 基于图神经网络的可解释云威胁情报平台
## 云计算课程项目 (BITE412L)
### 团队成员
| 姓名 | 学号 |
|------|------------------|
| Akash S | 23BIT0379 |
| Mugeshwaran E | 23BIT0307 |
| Varsha K | 23BIT0347 |
# 问题描述
现代云环境会产生大量遥测数据，例如网络流量、IAM 日志和资源活动日志。现有的入侵检测系统独立分析事件，无法有效检测复杂的多阶段攻击。它们也几乎无法解释为什么检测到威胁。
# 目标
- 从云遥测数据构建异构图。
- 使用图神经网络检测网络威胁。
- 使用 GNNExplainer 解释每一个预测。
- 使用 Microsoft Azure 服务实现该解决方案。
- 开发交互式 SOC 仪表板。
# 技术栈
- Microsoft Azure
- Azure Event Hub
- Azure Databricks
- Azure Machine Learning
- Azure Cosmos DB (Gremlin)
- Azure Functions
- Azure Logic Apps
- Microsoft Entra ID
- Azure Key Vault
- Python
- 图神经网络
- GraphSAGE
- 图注意力网络 (GAT)
- GNNExplainer
# 数据集
数据集 1：
CSE-CIC-IDS2018
数据集 2：
UNSW-NB15
# 仓库结构
```
docs/
literature_survey/
architecture/
dataset/
src/
results/
presentation/
references/
```
本仓库包含基于图神经网络的可解释云威胁情报平台的完整项目规划和实现。
标签：Microsoft Azure, SOC仪表盘, 云计算, 图神经网络, 威胁情报, 安全运营, 开发者工具, 扫描框架, 规则引擎, 逆向工具