finn131/cyber-breach-analysis
GitHub: finn131/cyber-breach-analysis
一个使用 Python 和 Pandas 对历史网络安全泄露数据进行探索性分析的作品集项目，涵盖数据清洗、趋势分析与可视化。
Stars: 0 | Forks: 0
# 🛡️ 网络安全泄露分析
这是一个探索性数据分析（EDA）项目，旨在使用 Python 和 Pandas 调查历史上的网络安全泄露数据。
该项目旨在揭示泄露服务、暴露信息、域名分布以及历史泄露趋势中的规律，同时展示实用的数据分析工作流。
# 📌 项目目标
* 了解网络安全泄露数据集的结构。
* 执行数据清洗与预处理。
* 分析泄露趋势和暴露的信息。
* 创建有意义的可视化图表。
* 构建一个结合网络安全和数据分析的、适合作为作品集展示的数据分析项目。
# 📂 数据集信息
数据集：
`data/raw/breached_services_info.csv`
### 数据集摘要
| 指标 | 值 |
| ---------------- | ---------------------- |
| 总记录数 | 777 |
| 唯一服务数量 | 777 |
| 唯一域名数量 | 720 |
| 最大规模泄露 | 772,904,991 个账户 |
| 泄露高峰年份 | 2016 |
# 🛠️ 使用的技术
* Python
* Pandas
* NumPy
* Matplotlib
* Seaborn
* Jupyter Notebook
# 📁 项目结构
```
cyber-breach-analysis
│
├── data/
│ ├── raw/
│ └── processed/
│
├── images/
├── notebooks/
├── reports/
├── scripts/
│
├── README.md
├── requirements.txt
└── TASKS.md
```
# 🔄 项目工作流
```
Raw Dataset
↓
Data Understanding
↓
Data Cleaning
↓
Exploratory Analysis
↓
Visualization
↓
Insights & Reporting
```
# 📓 Notebooks
| Notebook | 描述 |
| ----------------------------- | ------------------------------------------ |
| 01_data_understanding.ipynb | 初步探索和数据集检查 |
| 02_data_cleaning.ipynb | 数据预处理和清洗 |
| 03_exploratory_analysis.ipynb | 统计分析和洞察 |
| 04_visualization.ipynb | 图表和可视化探索 |
# 📊 可视化
## 热门域名
## 分类分布
## 按年份划分的泄露分布
# 🔍 关键发现
### 📧 暴露的信息
电子邮件地址是最常泄露的数据类型，其次是密码和用户名。
### 📈 历史趋势
数据集显示，2016 年左右的泄露事件高度集中。
### 🚨 大规模事件
最大规模的一次泄露影响了超过 **7.72 亿个账户**，展现了网络安全事件可能达到的巨大规模。
### 🌐 域名重复
某些域名在泄露记录中反复出现，表明它们是反复被攻击的目标或特定群体。
# 🧠 展示的技能
### 数据分析
* 数据清洗
* 探索性数据分析 (EDA)
* 统计摘要
* 数据可视化
### Python
* Pandas
* NumPy
* Matplotlib
* 模块化 Python 脚本
### 网络安全领域知识
* 泄露数据集解读
* 暴露数据分类
* 威胁趋势分析
# 🚀 如何运行
安装依赖项：
```
pip install -r requirements.txt
```
运行脚本：
```
python -m scripts.cleaning
python -m scripts.analysis
python -m scripts.visualization
```
按顺序打开 notebooks：
1. 01_data_understanding.ipynb
2. 02_data_cleaning.ipynb
3. 03_exploratory_analysis.ipynb
4. 04_visualization.ipynb
# 📄 报告
* `reports/findings.md`
* `reports/executive_summary.md`
# 🔮 未来改进
* 使用 Streamlit 构建交互式仪表盘
* Plotly 可视化
* 自动化 ETL pipeline
* 整合更多泄露数据集
* 威胁情报仪表盘
# 👨💻 作者
创建此作品集项目旨在结合：
**Python + Pandas + 数据分析 + 网络安全**
标签：NoSQL, Python, 代码示例, 探索性数据分析, 数据分析, 无后门, 网络安全, 逆向工具, 隐私保护