AnkushKr836/AI_Military_Intelligence_Dashboard
GitHub: AnkushKr836/AI_Military_Intelligence_Dashboard
基于全球恐怖主义数据库的 Streamlit 数据分析仪表板，提供地理空间威胁可视化、机器学习袭击预测与自动情报报告生成。
Stars: 0 | Forks: 0
# 基于 AI 的军事情报仪表板
一个使用
[全球恐怖主义数据库 (GTD)](https://www.kaggle.com/datasets/START-UMD/gtd) 探索和预测恐怖主义事件的 Streamlit 仪表板。
## 模块
| # | 页面 | 描述 |
|---|------|--------------|
| 01 | 主页 | 汇总指标与年度趋势 |
| 02 | 全球威胁地图 | 地理空间事件视图 |
| 03 | 国家分析 | 各国情报报告 |
| 04 | 袭击预测 | 对可能的袭击类型进行分类 |
| 05 | 威胁等级 | 基于 AI 评分的事件严重程度 |
| 06 | 预测 | 预计的袭击数量 |
| 07 | AI 情报 | 自动生成的摘要报告 |
| 08 | 数据浏览器 | 过滤、搜索、导出原始数据 |
| 09 | 设置 | 仪表板配置 |
## 项目结构
```
Military_Intelligence_Dashboard/
├── app.py # Landing page
├── train_attack_model.py # One-time script to train the attack-type model
├── data/
│ └── globalterrorism.csv # GTD dataset (download from Kaggle, not in repo)
├── models/
│ ├── attack_prediction_model.pkl
│ ├── feature_encoders.pkl
│ └── target_encoder.pkl
├── pages/
│ ├── 1_Home.py
│ ├── 2_Global_Threat_Map.py
│ ├── 3_Country_Analysis.py
│ ├── 4_Attack_Prediction.py
│ ├── 5_Threat_Level.py
│ ├── 6_Forecasting.py
│ ├── 7_AI_Intelligence.py
│ ├── 8_Data_Explorer.py
│ └── 9_Setting.py
└── utils/
├── data_loader.py
└── theme.py
```
## 设置
1. **克隆仓库**
git clone https://github.com/AnkushKr836/AI_Military_Intelligence_Dashboard.git
cd AI_Military_Intelligence_Dashboard
2. **创建虚拟环境并安装依赖项**
python -m venv venv
venv\Scripts\activate # Windows
source venv/bin/activate # macOS/Linux
pip install -r requirements.txt
3. **添加数据集**
从
[Kaggle](https://www.kaggle.com/datasets/START-UMD/gtd) 下载 `globalterrorism.csv` 并将其放置在：
data/globalterrorism.csv
4. **训练袭击预测模型**（将在 `models/` 目录中生成 `.pkl` 文件）
python train_attack_model.py
5. **运行应用**
streamlit run app.py
## 注意事项
- `data/*.csv` 和 `models/*.pkl` 已被 gitignore 忽略，因为它们体积较大或可重新生成 —
请在克隆后执行上述第 3–4 步。
- 使用 Streamlit、Plotly 和 scikit-learn 构建。
标签：Apex, Kubernetes, Streamlit, 代码示例, 数据分析, 机器学习, 访问控制, 逆向工具, 预测模型