SRakshithaReddy/CDR-Forensic-Analysis

# CDR 取证分析仪表板 ## 概述 CDR 取证分析仪表板是一个基于 Python 的取证分析系统，专为分析从电信计费数据中获取的呼叫详单记录而开发。 该项目通过处理通话和短信记录，利用数据可视化和交互式 Flask 仪表板来识别通信模式、活跃时段、频繁联系的号码、可疑行为以及近似的位置活动。 该系统结合了取证数据分析、电信模拟、可视化和仪表板集成，以简化通信趋势分析和取证调查工作流程。 ## 核心功能 ### 通话分析 - 频繁联系的号码 - 每日通话活动趋势 - 活跃通信时段 ### 短信分析 - 短信活动模式 - 短信联系人排行 ### 可疑活动检测 基于以下特征进行检测： - 高通话频率 - 长时间通话 - 深夜通信 - 反复的短时通话 ### 电信数据模拟 - MCC - MNC - 运营商识别 - Cell ID 模拟 - LAC/TAC 生成 ### 交互式仪表板 - 基于 Flask 的 Web 界面 - 侧边栏导航 - 图表可视化 - 交互式地图集成 ### 地图可视化 使用 Folium 地图进行交互式电信活动可视化。 ## 使用技术 | 技术 | 用途 | |---|---| | Python | 后端逻辑与取证分析 | | Pandas | 数据处理与分析 | | Matplotlib | 图表生成 | | Flask | Web 仪表板集成 | | Folium | 地图可视化 | | HTML/CSS | 前端仪表板界面 | ## 项目结构 ``` CDR-Forensic-Analysis/ │ ├── cdr_script.py ├── UI_script.py ├── web_page.html ├── map.html ├── requirements.txt ├── CDR_Report.pdf ├── README.md ├── LICENSE ├── .gitignore │ ├── graphs/ │ └── screenshots/ ``` ## 工作流程 1. 从计费记录中收集电信 CDR 数据 2. 将提取的记录转换为 CSV 格式 3. 使用 Python 和 Pandas 处理数据集 4. 生成通信分析图表 5. 检测可疑通信行为 6. 生成电信模拟详情 7. 通过 Flask 仪表板和 Folium 地图展示结果 ## 安装 安装所需依赖项： ``` pip install -r requirements.txt ``` ## 执行 运行分析脚本： ``` python cdr_script.py ``` 启动 Flask 仪表板： ``` python UI_script.py ``` 打开浏览器： ``` http://127.0.0.1:5000 ``` ## 输出 该系统生成： - 通信趋势图表 - 短信活动分析 - 可疑活动报告 - 电信模拟详情 - 交互式位置地图 - 基于 Flask 的取证仪表板 ## 仪表板预览 ### 主仪表板  ### 地图可视化  ### 地图特写  ### 可疑活动分析  ## 数据集说明 由于隐私和敏感电信数据的考虑，本项目中使用的原始 CDR 数据集未包含在代码仓库中。 所有截图、输出和报告均已进行匿名化/掩码处理，仅用于演示目的。 ## 隐私声明 敏感的电信数据和电话号码已为隐私目的进行了匿名化处理。原始数据集不包含在此代码库中。 ## 未来增强功能 - 集成真实的电信 API - 自动化 PDF 提取 - 高级异常检测 - 数据库集成 - 实时监控仪表板 ## 学术用途 作为数字取证与信息安全 实际取证分析和可视化工作的一部分开发。

标签：BSD, CDR分析, Flask, Folium, HTML/CSS, Matplotlib, Python, SEO关键词: CDR Forensic Analysis, 交互式地图, 仪表板开发, 可疑活动检测, 后端开发, 地理信息可视化, 多模态安全, 异常检测, 数据挖掘, 无后门, 法医工具, 电信数据模拟, 电信通信分析, 短信分析, 逆向工具, 通信模式识别, 通话记录分析