LubnaShireenR/cybershield-cybersecurity-risk-intelligence-dashboard

# CyberShield – 网络安全风险情报仪表板 ## 概述 CyberShield 是一款使用 **Python、SQL 和 Power BI** 开发的网络安全风险情报仪表板。该项目通过分析网络安全事件来识别攻击模式、监控风险级别、评估事件响应行动，并通过交互式可视化和高管级别的 KPI 提供可操作的洞察。 该仪表板旨在帮助安全分析师和决策者了解网络威胁、评估网络风险并改进事件管理策略。 ## 仪表板预览 --- ## 目标 - 分析网络攻击趋势和模式。 - 监控攻击严重程度。 - 评估异常分数和网络风险。 - 评估事件响应的有效性。 - 构建用于网络安全情报的交互式仪表板。 ## 关键绩效指标 (KPI) - 总事件数 - 严重事件 - 平均风险评分 - 高风险事件 ## 仪表板功能 ### 攻击类型分析 - 网络攻击的分布情况。 - DDoS、Malware 和 Intrusion 事件的比较。 ### 严重程度分析 - 按严重程度划分的事件明细。 - 高、中、低风险分类。 ### 每月威胁趋势 - 随时间变化的网络事件分析。 - 识别攻击的波动和趋势。 ### 事件响应分析 - 针对检测到的威胁采取的行动。 - Blocked（已阻止）、Ignored（已忽略）和 Logged（已记录）事件的比较。 ### 网段风险评估 - 不同网段的平均异常分数。 - 识别高风险网络区域。 ### 交互式筛选器 - 攻击类型 - 严重程度 - 月份 - 网段 ## 工具与技术 - Python - Pandas - SQLite - SQL - Power BI - Jupyter Notebook ## 项目工作流 ### 1. 数据收集 导入并探索了网络攻击数据集。 ### 2. 数据清洗 - 删除了重复项 - 处理了缺失值 - 标准化了数据格式 ### 3. 特征工程 创建了额外的分析字段，包括： - 年 - 月 - 日 - 小时 - 高风险指标 - 严重事件指标 ### 4. SQL 分析 使用 SQL 查询进行了探索性分析，以识别： - 攻击类型分布 - 严重程度分布 - 网段风险 - 事件响应模式 ### 5. 仪表板开发 设计了一个包含 KPI、图表和切片器的交互式 Power BI 仪表板。 ## 业务洞察 - 攻击类型分布在 DDoS、Malware 和 Intrusion 类别中。 - 中等严重程度的事件在总事件中占有很大比例。 - 某些网段表现出较高的平均异常分数。 - 事件响应行动有助于识别运营安全的有效性。 - 交互式过滤实现了对网络威胁的针对性调查。 ## 未来展望 - 实时威胁监控集成。 - 威胁情报源连接。 - 使用机器学习进行预测性风险建模。 - 高级事件预测。 - SOC（安全运营中心）绩效分析。 ## 作者 **Lubna Shireen R** ## 许可证 该项目基于 MIT License 授权。

标签：Mutation, NoSQL, Power BI, Python, SQL, 代码示例, 可视化, 多线程, 安全运营, 扫描框架, 数据分析, 无后门, 系统审计, 逆向工具