Hrshni/cybersecurity-threat-intelligence-powerbi

# 🔐 网络安全威胁情报仪表板 ## 📊 关键洞察 | 指标 | 数值 | |---|---| | 已分析的网络事件总数 | 219,720 | | 检测到的攻击总数 | 101,350 | | 整体攻击率 | 46.13% | | 严重级别攻击 | 79,329 | | 正常流量 | 118,370 | | 最常见攻击 | DDoS — 79,329 起事件 | ## 🗂️ 仪表板页面 | 页面 | 描述 | |---|---| | **威胁概览** | KPI 摘要、攻击类别、严重程度分布 | | **攻击趋势** | 攻击高峰时段、星期模式、主要攻击类型 | | **严重程度分析** | 严重程度细分、类别与严重程度矩阵 | | **网络分析** | 目标端口、流持续时间、流量模式 | | **事件日志** | 带有日期和严重程度切片器的可筛选事件表 | ## 📸 截图 ### 威胁概览  ### 攻击趋势  ### 严重程度分析  ### 网络分析  ### 事件日志  ## 🛠️ 技术栈 - **Power BI Desktop** — 仪表板开发和 DAX 度量 - **Python** — 数据清洗和预处理 - **Pandas** — 数据处理和特征工程 - **Dataset** — CICIDS 2017 网络入侵检测数据集 ## ✨ 特性 - 5 个具有交叉筛选功能的交互式仪表板页面 - 深色主题专业设计 - 用于动态 KPI 计算的 DAX 度量 - 用于严重程度和攻击类别筛选的磁贴切片器 - 用于事件日志的日期范围切片器 - 用于无缝导航的页面导航器 ## 🔍 关键发现 - 所有网络流量中有 **46.13%** 是恶意的 - **DDoS 攻击**是最主要的威胁 — 占总流量的 36.1% - **严重级别**攻击达到 79,329 起事件 - 攻击模式在不同的时间段和星期几呈现出差异 - 端口扫描是第二常见的侦察技术 ## 🔗 相关项目 此仪表板直接连接到我的联邦学习入侵检测系统： 该项目在类似的网络流量数据上实现了 **96.7% 的检测准确率**。 ## 👤 关于 由 **Harshini S R** 构建 — 一名精通 Python、SQL 和 Power BI 的有志数据分析师。 🔗 [LinkedIn](https://www.linkedin.com/in/harshinisr/) 🔗 [GitHub](https://github.com/Hrshni)

标签：Power BI, 代码示例, 威胁情报, 开发者工具, 数据分析, 网络安全, 逆向工具, 隐私保护