Project: ANK
一个由个人打造,基于 PyTorch 的 AI 恶意软件查杀引擎。融合了硬核技术与现代设计。
三大模型,三种性格
Grande
性能最强的旗舰模型,采用先进的深度学习架构,在准确率和稳定性方面表现卓越。
CIFAR-10准确率
87.95%
参数量
0.31M
推理时间
0.60ms
GFLOPs
0.077
高精度
稳定性强
旗舰级
Tall
性能与效率完美平衡的明星产品,在保持高精度的同时实现快速推理。
CIFAR-10准确率
87.06%
参数量
0.20M
推理时间
0.48ms
GFLOPs
0.043
平衡性
高效率
实用性
Short
追求极致速度的轻量级模型,在资源受限环境下提供快速响应。
CIFAR-10准确率
76.45%
参数量
0.03M
推理时间
0.29ms
GFLOPs
0.003
轻量级
快速响应
低资源
核心技术特性
深度学习架构
基于PyTorch构建的先进神经网络,融合注意力机制与残差连接
实时威胁检测
毫秒级响应的恶意软件识别,保护您的数字资产安全
高效推理引擎
优化的模型部署方案,在保证精度的同时实现极致性能
ANKML - 高效开发库
为开发者而生的恶意软件检测库
ANKML是基于ANK引擎的Python开发库,提供简洁易用的API,让开发者能够轻松集成强大的恶意软件检测功能到自己的应用中。
简洁API设计
快速集成
自动模型管理
批量处理支持
快速开始
import os
from ankml import ANKPredictor, ANKMLConfig
# 1. 基础配置
config = ANKMLConfig()
# 必须设置服务器地址
config.set('server_url', 'https://ankml.top')
# 2. 初始化预测器
predictor = ANKPredictor(model_type='tall', config=config)
# 3. 定义恶意软件判定阈值(推荐0.9来消除一些误报。)
threshold = 0.9
# 4. 扫描文件
# 准备一个安全文件和恶意文件
safe_file = "path/to/your/safe_file.txt"
malicious_file = "path/to/your/malicious_file.exe"
files_to_scan = {
"安全文件": safe_file,
"恶意文件": malicious_file
}
for name, path in files_to_scan.items():
if not os.path.exists(path):
print(f"警告: {name} 未找到,跳过扫描。")
continue
print(f"\n正在扫描 {name}: {os.path.basename(path)}")
try:
result = predictor.predict(path)
# 5. 解读结果
probability = result.get('probability', 0.0)
is_malware = probability >= threshold
status = "恶意软件" if is_malware else "安全"
print(f" -> 状态: {status}")
print(f" -> 置信度: {probability:.4f}")
except Exception as e:
print(f"扫描失败: {e}")
核心功能
文件扫描
支持单文件和批量文件扫描,快速检测恶意软件威胁
predictor.predict('file.exe')
模型管理
自动下载、缓存和更新模型,支持三种不同精度的模型
loader.download_model('tall')
特征提取
高效的文件特征提取,为机器学习模型提供优质输入
extractor.extract_features('file.exe')
命令行工具
提供便捷的CLI工具,支持脚本化和自动化部署
ankml scan *.exe --model tall