跳到正文
GitHub · 灵魂体仓库·· 10 天前AI 评分33

Einsteinium01 开源入侵检测系统:XGBoost + 启发式双引擎检测,结合本地 RAG 与 Groq AI 取证分析

Einsteinium01/Intrusion-Detection-System

来源与原文

GitHub · 灵魂体仓库

发布时间:(北京时间)

阅读原始来源 · github.com ↗
完整链接与内容说明

https://github.com/Einsteinium01/Intrusion-Detection-System

本站目前仅有 AI 导读与摘要,未展示原文正文;技术细节、代码和完整结论请查看原始来源。

AI 导读

GitHub 开源项目 Intrusion-Detection-System 基于 Scapy/Npcap 实现实时数据包捕获,采用 XGBoost(CICIDS2017 训练、70 个双向流特征)加启发式 ScanDetector 的双引擎检测。系统集成完全本地的 FAISS RAG 知识库(all-MiniLM-L6-v2 嵌入,纯 CPU 运行),可按需调用 Groq Cloud LLM(openai/gpt-oss-120b、llama-3.3-70b-versatile)生成 MITRE ATT&CK 映射与处置手册,并配有 React 19 仪表盘和浮动 AI 安全 Copilot。

来源:GitHub · 灵魂体仓库 · github.com