pagillapavanreddy/analysis-of-ransomware-attacks

# 近期勒索软件攻击分析及网络事件数据 ## 概述 本项目使用EURepoC二元网络事件数据集来研究勒索软件事件。目标是识别勒索软件活动的关键指标，并评估机器学习在网络安全事件分类中的应用。 ## 研究目标 * 分析勒索软件攻击模式和地缘政治趋势。 * 对网络安全事件记录进行探索性数据分析。 * 比较机器学习模型在勒索软件分类中的应用。 * 使用SHAP可解释性技术提高可解释性。 ## 数据集 * EURepoC二元网络事件数据集 * 4,296个网络安全事件记录 ## 评估的模型 * 逻辑回归 * 随机森林 * XGBoost ## 关键结果 | 模型 | ROC-AUC | | ------------------- | ------- | | 逻辑回归 | 0.920 | | 随机森林 | 0.958 | | XGBoost | 0.959 | ## 使用的技术 * Python * Pandas * NumPy * Scikit-Learn * XGBoost * SHAP * Matplotlib ## 论文 此存储库支持我在雷克斯汉姆大学攻读网络安全硕士学位的论文。 作者：帕万·雷迪·帕吉拉

标签：Apex, BSD, Matplotlib库, NumPy库, Pandas库, Python编程, Scikit-Learn库, SHAP可解释性, Wrexham大学, XGBoost, 勒索软件, 数据挖掘, 数据科学, 机器学习, 欧盟数据集, 网络安全, 网络安全事件, 网络安全硕士论文, 网络攻击分析, 资源验证, 逆向工具, 逻辑回归, 随机森林, 隐私保护