sayyeduzma032/Cybersecurity_Threat_Incident_Analytics

# 🛡️ 网络安全威胁与事件分析仪表板 ## 📖 项目概述 本项目是一个使用 **Python、MySQL 和 Power BI** 构建的端到端网络安全威胁与事件分析解决方案。其目标是通过交互式仪表板分析网络安全事件、识别攻击模式、评估行业风险、衡量安全运营绩效，并提供可操作的业务洞察。 本项目遵循完整的分析工作流，包括**数据清洗、基于 SQL 的业务分析、DAX 计算以及 Power BI 仪表板开发**。 ## 🎯 目标 - 分析多个行业的网络安全事件。 - 识别最频繁的网络攻击类型。 - 通过泄露数据分析衡量业务影响。 - 评估响应时间和攻击持续时间。 - 评估缓解策略和安全工具使用情况。 - 提供高管级和运营级的安全洞察。 ## 🛠️ 工具与技术 - Python (Pandas) - MySQL - Power BI - Power Query - DAX - Microsoft Excel - Git & GitHub ## 📊 数据集信息 数据集包含 **100,000 起网络安全事件**，具有以下属性： - 攻击类型 - 目标系统 - 事件结果 - 攻击时间戳 - 攻击者 IP - 目标 IP - 泄露数据量 (GB) - 攻击持续时间 - 使用的安全工具 - 用户角色 - 位置 - 攻击严重程度 - 行业 - 响应时间 - 缓解方法 ## 🧹 数据清洗 (Python) 在导入 MySQL 和 Power BI 之前，使用 Python 对数据集进行了清洗和准备。 清洗步骤包括： - 处理缺失值 - 纠正数据类型 - 消除不一致之处 - 准备用于 SQL 分析的数据集 - 导出清洗后的数据集用于仪表板开发 ## 🗄️ SQL 分析 清洗后的数据集被导入 MySQL，在此通过 SQL 解答了多个业务问题。 ### 业务问题 ### 整体安全健康状况 - 网络安全事件总数 - 总泄露数据量 - 平均事件响应时间 - 事件结果分布 ### 威胁态势分析 - 最频繁的攻击类型 - 严重程度最高的攻击类型 - 导致平均数据泄露量最高的攻击类型 ### 行业风险概况 - 事件数量最多的行业 - 攻击严重程度最高的行业 - 平均数据泄露量最高的行业 ### 基础设施与目标系统分析 - 最常被针对的系统 - 攻击持续时间最长的系统 ### 安全运营有效性 - 按攻击类型划分的平均响应时间 - 最常用的安全工具 - 最常用的缓解方法 ### 用户与地理风险分析 - 最常被针对的用户角色 - 事件数量最多的国家 ### 高级风险情报 - 使用 CASE 语句进行严重程度分类 - 超出平均响应时间的攻击类型 - 按严重程度划分的事件数量和响应时间 - 使用 Window Functions 分析各行业排名前 3 的攻击类型 ## 📈 Power BI 仪表板 该仪表板由**两个交互式页面**组成。 ### 第 1 页 – 高管安全概览 KPI - 事件总数 - 总泄露数据量 (GB) - 平均响应时间 (分钟) - 成功攻击数 可视化图表 - 按攻击类型划分的事件总数 - 事件结果分布 - 按位置划分的事件分布 - 按严重程度划分的事件总数 ### 第 2 页 – 详细威胁分析 KPI - 平均攻击持续时间 - 严重攻击数 - 失败攻击数 - 平均泄露数据量 可视化图表 - 按行业划分的总泄露数据量 - 安全工具分布 - 各行业的严重程度分布 - 按缓解方法划分的事件总数 ## 📐 DAX 度量值 仪表板使用了自定义的 DAX 度量值，包括： - 事件总数 - 总泄露数据量 - 平均响应时间 - 成功攻击数 - 平均攻击持续时间 - 严重攻击数 - 失败攻击数 - 平均泄露数据量 ## 📷 仪表板预览 ### 高管安全概览 ### 详细威胁分析 ## 💡 关键洞察 - 网络安全事件分布在多种攻击类型中，发生率相对相似。 - 政府和制造业经历了最高数量的数据泄露。 - 成功和失败的攻击结果比例几乎相等。 - 中低严重程度的事件在攻击中占比最大。 - SIEM、IDS 和 Endpoint Detection 是最常用的安全工具。 - 缓解方法在各事件中得到了一致的应用，表明响应程序已标准化。 - 地理分析突显了网络安全事件在多个国家的全球分布。 ## 📂 仓库结构 ``` Cybersecurity-Threat-Incident-Analytics │ ├── Dashboard │ └── Cybersecurity_Threat_Analytics.pbix │ ├── Dataset │ └── cybersecurity_incidents_cleaned.csv │ ├── SQL │ └── cybersecurity_analysis.sql │ ├── Images │ ├── Dashboard_Page1.png │ └── Dashboard_Page2.png │ ├── Documentation │ └── DAX_Measures.md │ └── README.md ``` ## 🚀 展示的技能 - 使用 Python 进行数据清洗 - SQL 查询编写 - Window Functions - Common Table Expressions (CTEs) - 聚合函数 - 数据建模 - DAX 计算 - 交互式仪表板设计 - 商业智能 - 数据可视化 - 数据叙事 ## 👩‍💻 作者 **Uzma Sayyed** 有抱负的数据分析师 | SQL | Power BI | Python | Excel

标签：Power BI, Python, 代码示例, 数据分析, 无后门, 网络安全, 网络安全研究, 逆向工具, 隐私保护