В этом проекте я проанализировал глобальные данные по кибербезопасности, чтобы понять глобальные тенденции в ИИ, и их выводы помогают выявить и устранить наиболее значительные уязвимости в ИИ.
Анализ включал:
Категоризацию новых типов (вредоносное ПО, фишинг, программы-вымогатели, DDoS-атаки и т.д.)
Анализ наиболее целевых стран
Чтение в течение года или более
Идентификацию викторианских источников (по стране или типу метки, если доступно)
Графическое представление, показывающее географическое распределение угроз
Сравнение числа и реакции стран
Используемые инструменты:
Python (Panda, Matplotlib, Seaborn)
Excel для очистки и обработки данных
Tableau/Power BI для создания интерактивной панели
Jupyter Notebook для представления анализа и шагов
Результаты проекта:
Открытие нового руководителя Cyber New York, выявление наиболее уязвимых стран и помощь в формировании четкого понимания важности укрепления цифровой защиты и осведомленности о судебных угрозах.
Анализ включал:
Категоризацию новых типов (вредоносное ПО, фишинг, программы-вымогатели, DDoS-атаки и т.д.)
Анализ наиболее целевых стран
Чтение в течение года или более
Идентификацию викторианских источников (по стране или типу метки, если доступно)
Графическое представление, показывающее географическое распределение угроз
Сравнение числа и реакции стран
Используемые инструменты:
Python (Panda, Matplotlib, Seaborn)
Excel для очистки и обработки данных
Tableau/Power BI для создания интерактивной панели
Jupyter Notebook для представления анализа и шагов
Результаты проекта:
Открытие нового руководителя Cyber New York, выявление наиболее уязвимых стран и помощь в формировании четкого понимания важности укрепления цифровой защиты и осведомленности о судебных угрозах.