立项原因：响应国家总体国家安全观（2014年提出）和2024年“人工智能+”国家战略，解决传统网络安全被动防御的不足。传统方式依赖规则引擎，难以应对高级持续性威胁（APT），如震网攻击和SolarWinds事件，导致智能化水平低、态势感知有限。
行业场景：企业和国防领域的网络安全防护，针对云计算、大数据、物联网环境下的泛化边界威胁。业务背景包括云服务商（如移动云、阿里云）的安全中心数据整合，应对APT攻击的多阶段渗透（信息收集、命令控制、数据泄露）。
核心需求：通过AI技术实现主动防御，降低人工干预，提升威胁响应速度和准确性。
数据采集与上报：通过API订阅多家云服务商（移动云、腾讯云、阿里云）的安全中心，实时采集告警和威胁数据，并进行规范化处理。支持多源异构数据融合，包括网络流量、系统日志和恶意文件样本。
数据处理与预测：基于自主开发的Lite ETL框架实现数据提取、转换和加载（ETL流程），使用大语言模型（GPT-3.5 Turbo）和机器学习算法（GRU、AdaBoost、XLNet）进行特征提取和威胁分类。
攻击源溯查：智能端利用ReAct智能体架构，结合微步威胁情报API，对关键IP和域名进行多轮关联分析，生成攻击路径溯源报告。
安全威胁情报生成：自动生成详细报告，包括攻击者画像、攻击手段和影响评估，辅助用户决策。
可视化展示：前端提供交互式图表（如溯源路线图、威胁等级分布），展示模型研判指标（如准确率、响应时延）。
安全策略建议：根据溯源结果提供反制措施，如IP定位、URL监控和自动化响应策略（如隔离资源、阻断恶意流量）。
负责任务：作为核心开发成员，主要负责智能端和部分核心端模块的实现。具体包括：
智能端AI模型集成：使用Python开发，集成XLNet、GRU和AdaBoost模型，对威胁数据进行分类和等级预测；实现ReAct智能体提示词系统，赋予智能体函数调用、长短期记忆和主动响应能力。
核心端数据处理：主导Java Spring Boot后端开发，设计ETL管道（基于Lite ETL框架），实现多源数据清洗和转换；支持分布式RPC通信（与智能端通过TCP协议交互）。
架构设计贡献：主导三层架构（应用层、领域层、基建层）的模块化设计，确保系统松耦合和高可扩展性。
技术栈：
前端：Vue3 + TypeScript + Vite + SCSS
核心端：Spring Boot + Spring Data JPA + MySQL/PostgreSQL + Redis
智能端：Python + TensorFlow + transformers库（XLNet） + Neo4j图数据库 + Chroma向量数据库
工具链：Docker（部署支持）、SaToken（权限管理）
评论