buter-chkalova/rvbbitsafeEine neuartige mehrstufige Anti-Ransomware-Festung für Windows, die Hypervisor, eBPF, KI-Täuschung und hardwaregestützte Sicherheit vereint.
RvbbitSafe ist ein Forschungsprototyp, der einen Paradigmenwechsel in der Ransomware-Abwehr demonstriert. Es ist eine aktive, mehrschichtige Festung, die Hardwarevirtualisierung, KI-gesteuerte Täuschung, Low-Level-Datenwiederherstellung, dezentrale Bedrohungsintelligenz und eine Neuro-Symbolic AI Engine kombiniert, um erfolgreiche Ransomware-Angriffe wirtschaftlich und technisch unmöglich zu machen.
Dieses Projekt ist das Ergebnis der Integration hochmoderner akademischer Forschung in ein einziges praktisches Framework, das als Albtraum eines Hackers und Blaupause für die nächste Generation der Cybersicherheit konzipiert ist.
| Festung | Kerninnovation | Technische Umsetzung |
|---|---|---|
| 1. Festung der Vorausführung | Hypervisor-basierte Prozessisolierung | Ein leichtgewichtiger Hypervisor (src/hypervisor/) fängt die Prozesserstellung und Treiberladung ab, überprüft Signaturen und blockiert BYOVD-Angriffe, bevor der OS-Kernel sie ausführt. |
| 2. Festung der Laufzeittäuschung | LLM-gestütztes dynamisches Täuschungsnetzwerk | Ein lokales DeBERTa-Modell (src/user/llm_deception_engine/) erzeugt überzeugende Honeyfiles. Ein eBPF-Treiber (src/kernel/rvbbit_ebpf_driver.c) leitet Ransomware-I/O in diese Fallen um. |
| 3. Festung der Widerstandsfähigkeit nach Einbruch | SSD Semantic Recovery (SrFTL) | Ein Kernel-Treiber (src/kernel/rvbbit_ssd_recovery.c) umgeht das Dateisystem, um direkt das FTL der SSD abzufragen und sofort "gelöschte" Dateien aus ungelöschten physikalischen Blöcken wiederherzustellen. |
| 4. Bedrohungsintelligenz-Netzwerk | Blockchain-Federated Learning (BFL) | RvbbitSafe-Knoten nehmen an einem dezentralen Netzwerk (src/user/blockchain_comm/) teil, um gemeinsam ein Bedrohungserkennungsmodell zu trainieren, ohne private Daten zu teilen. |
| 5. Festung gegen Manipulation | Hardware-gestützte Sicherheit (VBS Enclaves) | Die Kernlogik läuft in einer Windows VBS Enclave (src/user/service/), geschützt durch Intel CET/AMD Shadow Stack. Sie ist immun gegen Angriffe von einem kompromittierten OS-Kernel. |
| 6. Proaktive neuro-symbolische Analytik | Erklärbare und prädiktive KI-Verteidigung | Diese Festung kombiniert einen neuronalen Anomaliedetektor mit einer symbolischen Regel-Engine (src/user/neuro_symbolic_engine/). Sie kann Zero-Day-Bedrohungen erkennen und ihre Entscheidungen erklären, eine entscheidende Funktion für Sicherheitsanalysten. |
Voraussetzungen:
Build:
Führen Sie scripts/build_all.bat aus einer Developer-Eingabeaufforderung für VS 2022 aus.
Bereitstellung:
Führen Sie scripts/deploy_full.ps1 als Administrator aus.
⚠️ WARNUNG: Dies ist ein Alpha-Forschungsprototyp. Er enthält Kernel-Treiber und einen Hypervisor. Nur auf einer dedizierten virtuellen Maschine oder Testhardware verwenden.
Wir begrüßen Community-Tests! Siehe TESTING.md für Anweisungen, wie Sie RvbbitSafe sicher evaluieren können.
Für einen vollständigen architektonischen Tiefgang siehe das Technische Whitepaper.
Dieses Projekt ist unter der MIT-Lizenz lizenziert – siehe die Datei LICENSE für Details.
Haftungsausschluss: Dieses Projekt dient ausschließlich Bildungs- und Forschungszwecken.
