Naresh-24226/Cyber-Threat-Insights-Risk-Profiling
GitHub: Naresh-24226/Cyber-Threat-Insights-Risk-Profiling
基于 Python 和 Power BI 的端到端安全日志分析项目，通过对安全会话数据进行清洗、特征提取与可视化来揭示威胁趋势和风险分布。
Stars: 1 | Forks: 0
# 🛡️ 网络安全洞察与风险分析仪表板
这是一个端到端的数据分析项目，使用 Python 清洗来自 Kaggle 的原始安全会话日志，并构建交互式可视化仪表板，用于分析威胁等级、协议分布和风险特征。
## 🔄 项目流程
1. **数据提取：** 包含安全会话详情的原始数据集来源于 Kaggle。
2. **数据清洗与转换 (`Python` / `Pandas`)：**
- 清理了空值并修正了数据类型。
- 针对登录失败、异常访问时间和 IP 信誉评分进行了特征工程处理。
- 导出了处理后的数据集以用于可视化。
3. **仪表板与分析 (`Power BI`)：**
- 设计了用于会话计数、攻击率和平均登录失败次数的动态 DAX 度量值。
- 为地理风险分布、加密使用情况和浏览器趋势创建了可视化图表。
## 📌 核心指标与洞察
- **分析会话总数：** 9.53K
- **攻击率：** 44.71%（约 4,000 个攻击会话）
- **主要受攻击协议：** TCP（6.6K 个会话）
- **受影响最大的地区：** 德国、印度、北美、欧洲
## 🛠️ 技术栈
- **Python** (Pandas, NumPy)
- **Power BI** (DAX, 数据建模, 仪表板设计)
- **数据集：** Kaggle Cybersecurity Logs
## 📸 截图
标签：Power BI, Python, 代码示例, 数据分析, 无后门, 网络安全, 逆向工具, 隐私保护