由五位参加本次INTEL人工智能大赛的成员完成的AI+信息安全项目
项目分工
钱佳宏 主要负责平台中AI相关模块的设计与开发，承担了AI攻防系统的大部分技术实现工作，包括基于大语言模型（如 DeepSeek、Qwen2.5-Coder）的代码语义分析、漏洞检测、自动审计报告生成，以及强化学习驱动的攻防训练环境构建等。同时负责后端系统的整体搭建（Node.js + MySQL），并协助完成前端结构配置与接口联调，为系统的稳定运行与核心功能落地提供了技术支撑。
钱佳宇 承担了前端主要页面的开发与搭建工作，构建了AI学习模块、审核系统、信息展示与交互页面等核心功能，积极推动前端逻辑优化与用户体验提升。在项目后期参与小程序与PC端功能完善与界面美化工作，并负责PPT制作、资料整理、二维码设计等任务，为项目展示和用户体验收集流程提供了有效保障。使用react+vite开发web管理平台，使用gluestack+expo开发AI交流平台app。
秦祖钦 负责平台的UI原型设计工作，使用墨刀绘制多端界面结构与交互流程，涵盖学习模块、管理页面、操作交互等。项目中还协助收集并整理部分AI训练与测试所需的数据集，为模型优化与系统测试提供了数据支持。
肖文涛 参与安卓端的开发与适配，协助配置并调试跨平台框架 Taro，推动多端运行环境完善。在前端开发中主要支持学习发布与详情页面的逻辑实现与优化，同时在后端部分功能模块中也有参与，积极配合各环节任务的衔接与问题排查。
韩曦 专注于微信小程序端的开发与调试工作，完成了平台在小程序端的架构搭建、页面开发和交互实现，包括学习记录、用户管理等模块的适配。致力于多端风格统一与小程序性能优化，确保了平台在不同设备上的稳定运行与良好用户体验。
随着数字化转型不断深入，终端设备面临越来越复杂的信息安全威胁，如恶意软件植入、数据泄露、钓鱼攻击等。传统安全机制多依赖静态规则，无法应对现代化、高动态性攻击场景。为此，我们提出一个融合 AI 驱动的“终端安全卫士系统”与“安全风信子”攻防学习平台的创新项目，构建从终端威胁检测到人才培养的一体化智能安全防护与学习生态。
该系统充分利用 NVIDIA 高性能计算平台，结合多种大语言模型（如 Qwen2.5-Coder、BERT、LLaMA 等）与强化学习技术，实现对终端运行时行为的实时监控和威胁响应，并搭建面向学生、从业者和研究者的 AI 安全攻防训练平台，打造“安全防护 + 安全教育 + 开源协作”的立体体系。
项目由四大子系统组成：
- 终端安全卫士系统（Edge AI Agent）
- 云端智能分析与建模系统（Cloud AI Hub）
- “安全风信子”WEB 端协作与学习平台
- AI驱动的移动交流学习APP
整体架构图如下：
终端设备（PC、嵌入式） ↔ Edge AI Agent ↔ NVIDIA Morpheus/Triton ↔ 云端AI模型训练中心
↕
Web攻防学习平台 + AI模拟对抗平台 + 移动学习助手（APP）
-
行为数据采集与预处理
- 使用 NVIDIA GPU 虚拟化与系统级 API Hook 技术，采集系统调用、进程行为、网络流量等原始数据。
- 数据经标准化处理生成特征向量，支持异常点修正、降噪和半自动标签生成。
-
AI 模型推理与检测
-
云端训练模型：
- Qwen2.5-Coder-7B：进行代码审计与安全分析。
- BERT变种模型：检测恶意代码与识别钓鱼文本。
- LLaMA变种：辅助构建威胁知识图谱。
- TensorFlow强化学习模型：模拟攻防并动态更新策略。
-
使用 NVIDIA TensorRT 对模型进行边缘部署优化，实现毫秒级低延迟推理。
-
-
威胁检测与响应机制
- 边缘侧部署轻量模型实时检测异常。
- 异常特征上传至云端进行深度判断。
- 云端通过联邦学习共享多个终端安全情报，实现全局防御升级。
- 使用 NVIDIA Morpheus 平台接收并聚合边缘数据。
- 利用 NVIDIA Triton Inference Server 构建高并发推理接口。
- 云端承担模型迭代训练、威胁知识图谱补全、安全策略回传等功能。
- 支持多模型融合与自动微调，以适配不同业务场景终端（如工控、办公、教育等）。
-
AI辅助漏洞检测与攻防模拟
- 提交代码可由 DEEPSEEK 和 Qwen2.5 进行语义分析，自动生成审计报告和修复建议。
- 改进版 BERT 模型用于脚本、网络流量的恶意检测。
- 构建 AI 强化学习对抗引擎，部署虚拟红蓝团队自动对抗，记录策略与过程。
-
知识图谱与结构化学习体系
- 以 CVE 数据库、博客、标准文档等为基础，构建信息安全知识图谱。
- 提供路径推荐、语义搜索与可视化学习路线图。
-
交互式CTF与社区分享
- 支持 AI 自动生成 CTF 挑战题并评分反馈。
- 提供代码/案例/漏洞分析分享机制，自动添加标签并推荐相关资源。
-
学习总结与归纳工具
- 提供一键生成学习报告、漏洞分析摘要、论坛讨论总结等功能。
-
AI问答与图谱导航
- 基于 LLM 与知识图谱结合的问答系统，适配初学者与专业人员不同需求。
-
语义检索与个性化推荐
- 融合语义搜索与用户行为画像，实现精准匹配学习资源与讨论内容。
| 模块 | 技术栈/平台 |
|---|---|
| 后端 | Python (Flask, FastAPI), TensorFlow, PyTorch |
| 前端 | React, Tailwind CSS, Echarts |
| 数据库 | MySQL, Neo4j（用于知识图谱） |
| 模型部署 | NVIDIA TensorRT, Triton Inference, Docker |
| 云边协同 | NVIDIA Morpheus |
| 移动开发 | React Native |
- ✅ 智能化防御体系：融合多模型 AI 检测、强化学习策略与知识图谱分析，形成自主演进的智能防护闭环。
- ✅ 高效性能：依托 NVIDIA 硬件加速平台与 TensorRT 优化，实现毫秒级响应，适配嵌入式/工控设备部署。
- ✅ 学习与实训融合：将实战攻防与AI安全分析深度融合，提升学习效果与从业人员能力。
- ✅ 用户友好CLI交互：集成智能注释、风险提示、交互响应建议等命令行增强功能。
- ✅ 开源社区驱动：核心模块、模型与脚本均开源，促进高校与社区共同参与项目发展。
- ✅ 多终端适配：支持PC、移动端、Intel NUC等多种终端，适配教育、工业、政务等不同应用场景。
- 🎓 高校信息安全实验室/实训平台建设
- 🏢 企业终端安全运维与威胁预警
- 🏭 工业控制设备边缘防护
- 🔐 政务办公环境恶意代码防控
- 🌐 CTF训练、靶场系统、线上培训平台集成
- 🔁 引入零信任安全架构，提升系统访问控制精细度。
- 🤝 加强与高校/研究机构合作，共同发布安全数据集与挑战赛。
- 🔒 集成同态加密与联邦学习，增强隐私保护与模型安全性。
- 🌍 构建国际化安全社区，支持多语言学习与模型泛化。
- GitHub：https://github.com/lxcxjxhx/INTEL-HOS
- 数据集托管：https://huggingface.co/lxcxjxhx/INTEL-HOS-MODEL