katerina20 GitHub avatar

cloud-threat-anomaly-lab

katerina20

CTAL 是一个开源实验室,通过生成确定性合成数据并对三种透明检测器(基于规则、统计和可选隔离森林)进行可复现基准测试,为可解释的云威胁检测提供隐私安全的基座。

Stars

82

7 天增长

0

Fork 数

12

开放 Issue

3

开源协议

NOASSERTION

最近更新

2026-07-18

AI 仓库情报摘要
FR-AI / ANALYSIS

为什么值得关注

它有意避免使用真实、雇主或生产数据,提供清晰的检测/评估边界和可复现的基准测试,并且默认不使用机器学习,成为独特的研究和教学工具。

适合谁使用

  • 研究云异常检测的安全研究人员
  • 探索透明可解释检测器的数据科学家
  • 评估检测方法的云安全工程师
  • 教授异常检测和基准测试概念的教育工作者

典型使用场景

  • 在合成云安全事件上比较和基准测试可解释检测方法
  • 教学和学习行为基线分析及污染效应
  • 在不使用生产数据的情况下实验规则、统计和隔离森林检测器
  • 测试检测管道的可复现性和评估指标

项目优势

  • 隐私安全:仅使用合成数据,从不要求真实、雇主或客户数据
  • 可复现:确定性生成和字节级可复现的基准测试
  • 可解释:每个检测器均产生通俗易懂的原因和机器可读的上下文
  • 模块化:核心仅依赖标准库;机器学习和 UI 作为可选扩展,支持懒加载

使用前须知

  • 不适用于生产:未在真实企业环境中验证
  • 仅合成数据:基准测试反映生成器的标签,而非真实世界的精确率或召回率
  • 手动调优阈值:规则权重和统计门限为判断默认值,未经经验校准

README 快速开始

Installation

项目描述

Open-source cloud security anomaly detection lab with explainable rules, robust statistics, Isolation Forest, synthetic datasets, and a local dashboard.

相关仓库与替代方案

根据分类、Topic 和编程语言匹配的相似项目。

lopopolo
精选
lopopolo GitHub avatar

harness-engineering

Harness Engineering is a methodology for improving coding agent outputs by carefully crafting the environment around them—providing curated context, tools, and executable constraints that encode an organization’s nonfunctional requirements and cumulative lessons.

AI 与机器学习AI 智能体
2,390
slvDev
精选
slvDev GitHub avatar

esp32-ai

A 28.9 million parameter language model runs on an $8 ESP32-S3 microcontroller entirely on-device, generating simple stories at about 9.5 tokens per second.

AI 与机器学习大语言模型
1,960
littledivy
精选
littledivy GitHub avatar

mimic

mimic captures traffic from any iOS or web app and automatically generates a Python client library that lets you call the app's API like a regular library.

AI 与机器学习
1,482