Su-nlight/datin

# 🚀 DATIN — 去中心化与 AI 威胁情报网络

🔐 AI + 区块链驱动的网络安全情报平台
无信任 • 去中心化 • 智能化 • 可扩展

## 🌍 什么是 DATIN？ **DATIN（去中心化与 AI 威胁情报网络）** 是一个下一代网络安全平台，旨在实现**安全、去中心化和智能化的威胁情报共享**。 它结合了： - 🧠 人工智能 (RAG + LLMs) - 🔗 区块链 (Solana) - 💰 Token 经济 (DTNC) ## 🎯 愿景 ## ❗ 问题陈述 传统的威胁情报系统存在以下问题： - ❌ 集中控制（单点故障） - ❌ 透明度有限 - ❌ 企业级工具昂贵 - ❌ 因隐私问题导致协作不畅 - ❌ 缺乏对准确报告的激励机制 ## 💡 解决方案：DATIN DATIN 引入了一种**混合去中心化架构**，可实现： | 组件 | 作用 | |----------|------| | 🔗 区块链 | 信任、不可篡改性 | | 🧠 AI (RAG) | 智能洞察 | | 💰 Token 系统 | 激励与验证 | | 📡 数据源 | 实时威胁情报源 | ## ⚙️ 核心功能 ### 🔐 去中心化威胁共享 - 提交网络安全报告 - 安全存储并在区块链上进行验证 - 不可篡改且防篡改的记录 ### 🧠 AI 驱动的智能 (RAG) - 查询 → 向量 Embedding → 语义搜索 - 使用 LLM 生成上下文感知的响应 - 通过基于事实的检索减少幻觉 ### ⚖️ 基于 Token 的验证 - 验证者质押 **DTNC tokens** - 基于共识的验证 - 准确给予奖励，错误验证予以惩罚 ### 🔁 自愈式 AI 系统 - AI 评估自身的响应 - 使用 **LLM-as-a-Judge** - 自动重新生成错误的输出 ### 🏢 双重 AI 架构 - 🌐 全局模型 → 公开情报 - 🔒 本地模型 → 私有企业数据 ### ⚡ 实时威胁分析 - 基于 FAISS 的向量数据库 - 毫秒级的检索性能 ## 🏗️ 系统架构 用户 → 前端 → 区块链层 → API → AI (RAG) → 向量数据库 ## 🔄 工作流程 ### 🧾 威胁提交流程 1. 用户提交报告 2. 存储在本地数据库 3. 核心数据提交至区块链 4. 验证者质押 tokens 5. 达成共识 6. 分发奖励 ### 🤖 AI 查询流程 1. 用户查询 2. 转换为向量 (1024维) 3. FAISS 检索相关数据 4. LLM 生成响应 5. 评估 Agent 进行验证 6. 如有必要则进行自愈 ## 🧪 技术栈 ### 🧠 AI 与机器学习 - LLMs (Llama, Gemini, 开源模型) - 检索增强生成 (RAG) - LangChain / LangSmith - BAAI Embeddings (bge-large-en) ### 🔗 区块链 - Solana - SPL Tokens (DTNC) - 智能合约 (Seahorse / Anchor) ### ⚙️ 后端 - FastAPI - Node.js - Python ### 🎨 前端 - React.js ### 🗄️ 数据库与搜索 - FAISS (向量数据库) - JSON 存储 - 内部存储系统 ## 🧰 使用的开源技术 - 🦙 Ollama → 本地 LLM 部署 - 🔍 FAISS → 向量相似性搜索 - 📊 MITRE STIX → 威胁情报数据集 - 💣 Exploit Database → 漏洞数据 - 🔗 Solana → 区块链基础设施 - 🧠 LangChain → AI 编排框架 ## 📊 数据源 - MITRE ATT&CK (企业、移动、ICS) - Exploit Database - Google Hacking Database - 网络安全 RSS 源 ## 🔐 安全特性 - 基于区块链的不可篡改性 - 加密数据存储 - 基于 Token 的验证 - 去中心化的信任模型 ## 📈 为什么选择 DATIN？ | 功能 | DATIN | 传统系统 | |--------|------|------------------| | 去中心化 | ✅ | ❌ | | AI 集成 | ✅ | 有限 | | Token 激励 | ✅ | ❌ | | 隐私支持 | ✅ | ❌ | | 实时情报 | ✅ | 部分 | ## 🧠 采用的高级概念 - 检索增强生成 (RAG) - Agentic AI 系统 - LLM-as-a-Judge - 向量 Embedding - 区块链共识 ## 🚀 使用场景 - 🏢 企业威胁情报 - 🛡️ 网络安全团队 - 🎓 学术研究 - 🏛️ 政府网络防御 ## 🛠️ 安装指南 ### 前置条件 在设置项目之前，请确保已安装以下依赖项： * **Git** * **Docker** (支持 Docker Compose) * **Python 3.13** ### 1. 克隆仓库 ``` git clone https://github.com/Su-nlight/datin.git cd datin ``` ### 2. 导航至后端 进入后端 API 目录： ``` cd Backend/API ``` ### 3. 构建并启动后端服务 构建 Docker 镜像并启动所有后端服务： ``` docker-compose build docker-compose up ``` ### 4. 启动前端 确认后端成功运行后，打开一个新的终端并导航至前端目录： ``` cd ../../frontend npm install npm start ``` 前端开发服务器将连接到正在运行的后端服务，应用程序即可准备使用。 ## 📚 研究与知识产权 本项目是一项正在进行的持续研究计划的一部分，旨在推动自主、自愈和智能软件系统的发展。本仓库中提供的实现反映了正在进行的研究，并可能随着新发现和改进的纳入而不断演进。 ### 专利状态 与本项目实现的概念和技术相关的一项专利申请已在印度提交。 * **专利申请号：** **202611046286** * **管辖区：** 印度 * **状态：** 专利申请已受理并已颁发专利 ## 📄 研究出版物 与本项目相关的研究出版物和技术文档将在公开发布后添加至此。 * *研究论文：* *即将推出* * *预印本：* *即将推出* * *技术报告：* *即将推出* * *会议出版物：* *即将推出*

标签：AI风险缓解, LLM, MITM代理, RAG, Solana, Unmanaged PE, 人工智能, 区块链, 去中心化, 威胁情报, 开发者工具, 用户模式Hook绕过, 网络安全, 请求拦截, 逆向工具, 隐私保护