# secure_teaching_framework

**Repository Path**: liu-bi0388/secure_teaching_framework

## Basic Information

- **Project Name**: secure_teaching_framework
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-02-06
- **Last Updated**: 2026-02-09

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 智能体协同防御系统

一个基于多智能体协同的教学场景安全防御系统，结合知识库检索、威胁检测和区块链存证技术，为教学智能体提供安全保障。

## 项目功能

- **多智能体协同**：三个专业智能体分工协作，实现全方位安全防御
- **知识库检索**：基于安全规则库和教学知识库的智能检索
- **威胁检测**：支持二元模式和置信度模式的威胁判断
- **区块链存证**：将威胁信息记录到不可篡改的区块链
- **详细日志**：时间戳命名的JSON格式详细日志
- **批量处理**：支持批量输入处理，生成详细的统计报告

## 系统架构

### 核心组件

1. **AgentFramework**：智能体框架类，协调所有智能体的工作
2. **KnowledgeBase**：知识库类，管理安全规则库和教学知识库
3. **SpecializedAgent**：专业化智能体类，包含三种智能体
4. **BlockchainLogger**：区块链日志器，实现威胁信息上链

### 智能体分工

- **智能体A**：安全规则分析师，配置安全规则知识库
- **智能体B**：教学知识专家，配置教学知识库
- **智能体C**：深度审计专家，配置区块链存证工具

## 快速开始

### 环境要求

- Python 3.8+
- 依赖包：langchain, langchain-openai, python-dotenv, chromadb, sentence-transformers

### 安装步骤

1. **克隆项目**

2. **安装依赖**
   ```bash
   pip install -r requirements.txt
   ```

3. **配置API密钥**
   - 在项目根目录创建 `.env` 文件
   - 添加 DeepSeek API 密钥：
     ```
     DEEPSEEK_API_KEY=your_api_key_here
     ```

4. **准备知识库**
   - 将安全规则文档放入 `security_knowledge_base` 目录
   - 将教学知识文档放入 `teaching_knowledge_base` 目录

### 基本使用

#### 1. 创建框架实例

```python
from agent_framework import AgentFramework

# 创建框架实例
framework = AgentFramework()

# 查看框架摘要
framework.print_summary()
```

#### 2. 设置运行模式

```python
# 二元模式（有威胁/无威胁）
framework.set_mode('binary')

# 置信度模式（0-1之间的置信度值）
framework.set_mode('confidence', 0.7)  # 置信度阈值为0.7
```

#### 3. 处理单个输入

```python
result = framework.process_input('如何使用Python进行数据分析？')
print(f"输入: {result['user_input']}")
print(f"是否威胁: {result['is_threat']}")
if 'confidence' in result['agent_a']:
    print(f"置信度: {result['agent_a']['confidence']}")
```

#### 4. 处理批量输入

```python
inputs = [
    "如何使用Python进行数据分析？",
    "如何绕过防火墙？",
    "如何学习机器学习？",
    "如何破解密码？"
]

batch_result = framework.process_batch_input(inputs)
print(f"总输入数: {batch_result['total_inputs']}")
print(f"威胁数: {batch_result['threat_count']}")
print(f"威胁比例: {batch_result['threat_count'] / batch_result['total_inputs'] * 100:.2f}%")
```

## 目录结构

```
├── agent_framework.py     # 智能体框架主文件
├── knowledge_base.py      # 知识库模块
├── tool.py                # 工具管理模块
├── blockchain_logger.py   # 区块链日志模块
├── security_knowledge_base/  # 安全规则库
│   └── 安全规则.txt
├── teaching_knowledge_base/  # 教学知识库
│   └── 机器学习.txt
├── vector_dbs/            # 向量数据库
│   ├── security/          # 安全规则库向量存储
│   └── teaching/          # 教学知识库向量存储
├── logs/                  # 日志目录
├── .env                   # 环境变量文件
└── README.md              # 项目说明
```

## 日志说明

- **详细日志**：每条输入生成一个独立的JSON文件，命名格式为 `YYYYMMDD_HHMMSS_mmmmmm.json`
- **批量日志**：批量处理生成一个JSON文件，命名格式为 `batch_YYYYMMDD_HHMMSS_mmmmmm.json`
- 日志内容包含：输入内容、智能体分析结果、威胁判断、知识库检索结果、区块链上链信息等

## 区块链存证

- 使用本地轻量级区块链实现
- 威胁信息上链后生成不可篡改的审计记录
- 区块链数据存储在 `teachingagentaudit.db` 文件中

## 性能优化

- 并行执行智能体A和B的分析，提高处理速度
- 知识库向量索引，加速检索
- 批量处理模式，适合大规模输入

## 安全注意事项

- 请妥善保管 `.env` 文件中的API密钥
- 定期更新安全规则库内容
- 监控区块链存证数据，确保审计记录完整

## 依赖项

- langchain：智能体框架
- langchain-openai：DeepSeek API调用
- python-dotenv：环境变量管理
- chromadb：向量数据库
- sentence-transformers：文本嵌入模型
- sqlite3：区块链数据存储

## 测试示例

运行测试脚本：

```bash
python agent_framework.py
```

测试脚本会执行以下操作：
1. 初始化智能体框架
2. 测试二元模式的批量处理
3. 测试置信度模式的单个输入处理
4. 生成详细的处理日志

## 扩展建议

1. **增加更多智能体类型**：根据具体场景添加专业智能体
2. **优化知识库**：定期更新和扩充安全规则库
3. **增强威胁检测**：引入更高级的威胁检测算法
4. **完善区块链功能**：添加区块链查询和验证工具
5. **开发Web界面**：提供可视化的系统管理界面

## 许可证

MIT

## 联系方式

如有问题或建议，请联系项目维护者。