Amogh-008/Military-Intelligence-Dashboard

# 军事情报仪表板 这是一个 Streamlit 仪表板，用于分析全球恐怖主义数据库 (GTD)，通过机器学习检测威胁模式，并通过交互式地图、图表、预测和预报对结果进行可视化。 ## 1. 获取数据集 1. 访问 https://www.kaggle.com/datasets/START-UMD/gtd 2. 下载 CSV 文件（您需要一个免费的 Kaggle 账号）。 3. 将其重命名为 `globalterrorism.csv` 并放置在 `data/` 文件夹中： ``` Military_Intelligence_Dashboard/data/globalterrorism.csv ``` ## 2. 安装依赖 ``` python -m venv venv source venv/bin/activate # Windows: venv\Scripts\activate pip install -r requirements.txt ``` ## 3. 训练攻击预测模型 ``` python train_attack_model.py ``` 这将生成： - `models/attack_prediction_model.pkl` - `models/feature_encoders.pkl` - `models/target_encoder.pkl` ## 4. 运行应用 ``` streamlit run app.py ``` Streamlit 会自动将 `pages/` 目录中的所有内容转换为侧边栏导航， 因此您将看到：主页、全球威胁地图、国家分析、攻击预测、 威胁等级预测、预报、AI 情报报告、数据探索器 和设置。 ## 注意事项 - **威胁等级预测**模型会在应用内进行训练（已缓存），因为它体积小且速度快；而**攻击预测**模型由于较为复杂，需通过 `train_attack_model.py` 进行一次训练。 - **AI 情报报告**页面无需任何 API 密钥即可使用（模板报告）。您可以选择粘贴 Anthropic API 密钥，以获取由 LLM 撰写的叙述版本。

标签：Apex, Kubernetes, Python, Streamlit, 代码示例, 数据分析, 无后门, 机器学习, 访问控制, 逆向工具