文件目录

ICSCyberDefensePlatform/
├── .gitignore          # Git 忽略文件配置
├── backend/            # Flask + Python 后端项目
├── frontend/           # Vue 3 + TypeScript 前端项目
├── geo/                # GeoIP 数据目录 (需手动放置)
├── log_collector/      # 独立日志收集服务
├── log_parser/         # 日志解析脚本
├── README.md           # 就是你正在看的这个文件
└── start_services.sh   # 一键启动脚本

---

环境要求 (Prerequisites)

在开始之前，请确保您的开发环境中安装了以下工具：

• Node.js: v16.0.0 或更高版本 (自带 npm)
• Python: v3.8.0 或更高版本

克隆项目

git clone [此处替换为您的项目GIT仓库地址]
cd ICSCyberDefensePlatform

步骤 2: 环境准备

在启动服务前，您需要分别为前端和后端设置好运行环境。

2.1 后端环境 (backend)

后端服务使用 Python 和 Flask 构建，依赖于虚拟环境进行管理。

# 进入后端目录
cd backend

# 创建 Python 虚拟环境
python3 -m venv venv

# 激活虚拟环境
# Linux / macOS:
source venv/bin/activate
# Windows:
# venv\Scripts\activate

# 安装所需的 Python 依赖包
pip install -r requirements.txt

注：日志收集服务 (log_collector) 将会复用此后端虚拟环境中的Python解释器和依赖。

2.2 前端环境 (frontend)

前端服务使用 Node.js 和 Vue 构建。

# 进入前端目录
cd frontend

# 安装所需的 Node.js 依赖包
npm install

# 返回项目根目录
cd ..

步骤 3: 模型准备 (Model Preparation)

本项目的智能分析功能依赖于预训练的语言模型。由于模型文件体积较大，它们未包含在代码仓库中，您需要在使用前手动下载并将它们放置在正确的位置。

所需模型:

1. Qwen3-Embedding-0.6B: 文本向量化模型。
2. Qwen3-Reranker-0.6B: 用于优化检索结果的重排模型。

请从模型来源（如 Hugging Face）下载它们，并确保它们被解压并放置在以下目录结构中：

ICSCyberDefensePlatform/
└── backend/
    └── models/
        ├── Qwen3-Embedding-0.6B/
        └── Qwen3-Reranker-0.6B/

您可以在 Hugging Face 等模型社区搜索并下载这些模型。

步骤 4: 一键启动所有服务

当您完成上述环境和模型准备后，即可使用根目录下的 start_services.sh 脚本一键启动所有必需的服务。

# 确保脚本有执行权限
chmod +x start_services.sh

# 执行脚本启动所有服务
./start_services.sh

步骤 5: 访问系统

服务启动后，您可以通过浏览器访问前端应用：

• 访问地址: http://localhost:9527

如何停止服务

启动脚本会打印出各个服务的进程ID（PID）。您可以使用 kill 命令手动停止它们。