NafiScripts/cybersecurity-threat-intelligence-dashboard

# 🔐 网络攻击数据分析与可视化 (Power BI) ## 📌 项目概述 这是我第一个使用 Power BI 构建的端到端数据分析项目。 该项目的目标是分析网络安全攻击数据，并通过模拟安全运营中心 (SOC) 环境的交互式仪表板来了解攻击者的行为。 仪表板无需手动查阅数千条安全日志，而是将复杂的技术数据转化为清晰的视觉洞察，从而辅助监控和调查工作。 ## 📊 仪表板预览 ### 概览页面  ### 技术分析页面  ### 调查页面  ## 🎯 项目目标 • 理解现实世界的网络安全数据集 • 执行数据准备和结构化处理 • 构建关系数据模型（事实表 & 维度表） • 设计监控和调查仪表板 • 以可视化方式解释网络攻击模式 ## 🧩 项目工作流 原始安全日志 → 数据清洗与结构化 → 数据建模 → 可视化 → 威胁监控 → 调查与洞察 ## 🧹 数据准备（预处理逻辑） 在将数据加载到 Power BI 之前，对数据集进行了清洗和结构化处理。 执行的关键步骤包括： • 移除缺失值和无效值 • 将时间戳转换为日期时间格式 • 划分风险等级（低 / 中 / 高） • 生成攻击计数指标 • 将数据结构化为关系表 • 为分析模型准备数据集 ### 转换逻辑示例 ``` import pandas as pd df = pd.read_csv("attacks.csv") # 转换 timestamp df["timestamp"] = pd.to_datetime(df["timestamp"]) # Risk category 分类 def risk(score): if score < 4: return "Low" elif score < 7: return "Medium" else: return "High" df["risk_category"] = df["threat_score"].apply(risk) # 聚合攻击 attack_summary = df.groupby(["country","technique"]).size().reset_index(name="attack_count") df.to_csv("clean_attacks.csv", index=False) ## 👤 作者 Rafiul Awal Nafi Data Analytics & Machine Learning Enthusiast GitHub: https://github.com/NafiScripts ```

标签：EDR, HTTP/HTTPS抓包, Power BI, Python, SIEM模拟, TGT, 仪表板, 关系数据模型, 威胁情报, 安全日志分析, 安全运营中心, 开发者工具, 态势感知, 攻击模式识别, 攻防演练, 数据分析师, 数据清洗, 无后门, 端到端项目, 网络安全, 网络映射, 脆弱性评估, 逆向工具, 隐私保护