大数据可视化是个热门话题,在信息安全领域,也由于很多企业希望将大数据转化为信息可视化呈现的各种形式,以便获得更深的洞察力、更好的决策力以及更强的自动化处理能力,数据可视化已经成为网络安全技术的一个重要趋势。

一、什么是网络安全可视化

攻击从哪里开始?目的是哪里?哪些地方遭受的攻击最频繁……通过大数据网络安全可视化图,我们可以在几秒钟内回答这些问题,这就是可视化带给我们的效率 。 大数据网络安全的可视化不仅能让我们更容易地感知网络数据信息,快速识别风险,还能对事件进行分类,甚至对攻击趋势做出预测。可是,该怎么做呢?

1.1 故事+数据+设计 =可视化

做可视化之前,最好从一个问题开始,你为什么要做可视化,希望从中了解什么?是否在找周期性的模式?或者多个变量之间的联系?异常值?空间关系?比如政府机构,想了解全国各个行业漏洞的分布概况,以及哪个行业、哪个地区的漏洞数量最多;又如企业,想了解内部的访问情况,是否存在恶意行为,或者企业的资产情况怎么样。总之,要弄清楚你进行可视化设计的目的是什么,你想讲什么样的故事,以及你打算跟谁讲。


有了故事,还需要找到数据,并且具有对数据进行处理的能力,图1是一个可视化参考模型,它反映的是一系列的数据的转换过程:

我们有原始数据,通过对原始数据进行标准化、结构化的处理,把它们整理成数据表。

将这些数值转换成视觉结构(包括形状、位置、尺寸、值、方向、色彩、纹理等),通过视觉的方式把它表现出来。例如将高中低的风险转换成红黄蓝等色彩,数值转换成大小。

将视觉结构进行组合,把它转换成图形传递给用户,用户通过人机交互的方式进行反向转换,去更好地了解数据背后有什么问题和规律。

最后,我们还得选择一些好的可视化的方法。比如要了解关系,建议选择网状的图,或者通过距离,关系近的距离近,关系远的距离也远。

总之,有个好的故事,并且有大量的数据进行处理,加上一些设计的方法,就构成了可视化。

1.2 可视化设计流程


一个好的流程可以让我们事半功倍,可视化的设计流程主要有分析数据、匹配图形、优化图形、检查测试。首先,在了解需求的基础上分析我们要展示哪些数据,包含元数据、数据维度、查看的视角等;其次,我们利用可视化工具,根据一些已固化的图表类型快速做出各种图表;然后优化细节;最后检查测试。

具体我们通过两个案例来进行分析。

二、案例一:大规模漏洞感知可视化设计


图2是全国范围内,各个行业漏洞的分布和趋势,橙黄蓝分别代表了漏洞数量的高中低。

2.1整体项目分析

我们在拿到项目策划时,既不要被大量的信息资料所迷惑而感到茫然失措,也不要急于完成项目,不经思考就盲目进行设计。首先,让我们认真了解客户需求,并对整体内容进行关键词的提炼。可视化的核心在于对内容的提炼,内容提炼得越精确,设计出来的图形结构就越紧凑,传达的效率就越高。反之,会导致图形结构臃肿散乱,关键信息无法高效地传达给读者。

对于大规模漏洞感知的可视化项目,客户的主要需求是查看全国范围内,各个行业的漏洞分布和趋势。我们可以概括为三个关键词:漏洞量、漏洞变化、漏洞级别,这三个关键词就是我们进行数据可视化设计的核心点,整体的图形结构将围绕这三个核心点来展开布局。


2.2分析数据

想要清楚地展现数据,就要先了解所要绘制的数据,如元数据、维度、元数据间关系、数据规模等。根据需求,我们需要展现的元数据是漏洞事件,维度有地理位置、漏洞数量、时间、漏洞类别和级别,查看的视角主要是宏观和关联。涉及到的视觉元素有形状、色彩、尺寸、位置、方向,如图4。

2.3匹配图形


分析清楚数据后,就要找个合适的箱子把这些“苹果”装进去。上一步,或许还可以靠自身的逻辑能力,采集到的现成数据分析得到,而这一步更多地需要经验和阅历。幸运的是,现在已经有很多成熟的图形可以借鉴了。从和业务的沟通了解到,需要匹配的图形有中国地图、饼图、top图、数字、趋势等。

2.4确定风格


匹配图形的同时,还要考虑展示的平台。由于客户是投放在大屏幕上查看,我们对大屏幕的特点进行了分析,比如面积巨大、深色背景、不可操作等。依据大屏幕的特点,我们对设计风格进行了头脑风暴:它是实时的,有紧张感;需要新颖的图标和动效,有科技感;信息层次是丰富的;展示的数据是权威的。

最后根据设计风格进一步确定了深蓝为标准色,代表科技与创新;橙红蓝分别代表漏洞数量的高中低,为辅助色;整体的视觉风格与目前主流的扁平化一致。

2.5优化图形

有了图形后,尝试把数据按属性绘制到各维度上,不断调整直到合理。虽然这里说的很简单,但这是最耗时耗力的阶段。维度过多时,在信息架构上广而浅或窄而深都是需要琢磨的,而后再加上交互导航,使图形更“可视”。


在这个任务中,图形经过很多次修改,图7是我们设计的过程稿,深底,高亮的地图,多颜色的攻击动画特效,营造紧张感;地图中用红、黄、蓝来呈现高、中、低危的漏洞数量分布情况;心理学认为上方和左方易重视,“从上到下”“从左至右”的“Z”字型的视觉呈现,简洁清晰,重点突出。

完成初稿后,我们进一步优化了维度、动效和数量。维度:每个维度,只用一种表现,清晰易懂;动效:考虑时间和情感的把控,从原来的1.5ms改为3.5ms;数量:考虑了太密或太疏时用户的感受,对圆的半径做了统一大小的处理。

2.6检查测试

最后还需要检查测试,从头到尾过一遍是否满足需求;实地投放大屏幕后,用户是否方便阅读;动效能否达到预期,色差是否能接受;最后我们用一句话描述大屏,用户能否理解。

本文作者:佚名

来源:51CTO

以网络安全为例的大数据可视化设计相关推荐

  1. B端大屏可视化设计参考网站分享、大数据可视化设计

    B端大屏可视化设计参考网站分享.大数据可视化设计 大屏可视化参考网站: 1. 易知微 https://easyv.cloud/market 浅色风格的大屏可视化可以参考此网站的设计 2. 数字像素(原 ...

  2. 大数据可视化设计到底是啥,该怎么用

    大数据可视化是个热门话题,在信息安全领域,也由于很多企业希望将大数据转化为信息可视化呈现的各种形式,以便获得更深的洞察力.更好的决策力以及更强的自动化处理能力,数据可视化已经成为网络安全技术的一个重要 ...

  3. 大数据可视化设计开发方案调研

    0. 痛点和方案 当前公司内部开发的Web应用多数属于以下类型: - 数据可视化报表 - 中后台管理界面 当前项目开发中的痛点有这些: UI设计人员使用PS设计的整体布局,开发人员无法结合echart ...

  4. 大数据可视化设计需遵守什么原则

    由于以往的数据分析报告难以快速.清晰地理解大量数据背后的信息,数据可视化能够以可视化图表的形式清晰.有效地传输企业运营过程中产生的重要数据. 数据可视化的设计制作需要遵守的原则有哪些? 1.明确项目目 ...

  5. 案例▍大数据可视化 “灵鲲”态势感知系统中的理论与实践

    36大数据 -数据可视化专栏 作者| 潘洛斯团队  |腾讯大数据可视化项目组 在大数据时代,数字化转型已经成为行业迫切的需求.2016-2018年金融.医疗.政府.安全等行业在大数据方向上的投入持续增 ...

  6. 数据可视化之大数据可视化

    一 前言 您需要一种方法来快速调整企业的工作方向,以应对世界和客户不断变化的期望. 您还需要一种手段以使用大数据快速做出这些业务决策. 但是大数据的数量一直在增加,变得越来越庞大. 因此,整理.理解和 ...

  7. 遇见大数据可视化 : 【云图】让数据可见

    欢迎大家前往腾讯云社区,获取更多腾讯海量技术实践干货哦~ 作者:腾讯大数据可视化设计团队 导语: 除了手搓,我们还有更好的数据可视化方案 今天,即使你不熟悉云计算,大数据是什么.但是这些词汇已经充斥在 ...

  8. 空间大数据可视化的几种表达形式-以mobike出行报告为例

    一.前言 越来越多的出行企业选择空间大数据可视化表达来进行海量数据的分析和展示,如mobike.滴滴.uber.通过这一直观形式,能够让普通大众快速接受企业所想表达的深层含义,同时也便于对数据进行深度 ...

  9. Transbigdata——交通出租车大数据可视化分析,以成都市为例

    提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 文章目录 前言 一.数据集 二.操作步骤 1.引入库 2.读入数据 3.数据预处理 4.数据栅格化处理 5.可视化分析 总结 存在的问 ...

最新文章

  1. pdf一键转曲_新技能:如何利用PDF制作可变数据!
  2. IKAnalyzer使用停用词词典进行分词
  3. python生成折线图-Python数据可视化 -生成数据之绘制折线图和散点图
  4. 配置文件占位符||Profile——1、多Profile文件 2、yml支持多文档块方式 3、激活指定profile
  5. Integer判断相等,到底该用==还是equals
  6. python菜单设计_python django 数据库树形菜单的设计
  7. 4行代码AC——L1-038 新世界 (5分)
  8. 如何提取幻灯片表格_如何查看对Google文档,表格或幻灯片文件的最新更改
  9. python开源项目新手_10大Python开源项目推荐(Github平均star2135)
  10. 技术转管理:应该如何识人、带人和用人?
  11. Improved Semantic Representations From Tree-Structured Long Short-Term Memory Networks
  12. 安卓传感器全解:注册、注销传感器、监听传感器,距离传感器、方向传感器、陀螺仪、加速计、磁场、气压传感器
  13. oracle国家字符集
  14. PropertyChangeSupport 监听器模式的应用
  15. 电商产品安全要求(UL+IEC)
  16. 幻读Java_关于幻读 - hellopretty - 博客园
  17. 用anaconda下载安装pytorch1.8.1+cudatoolkit11.1
  18. 【真相】网易暴力裁员事件 企业暴力开除重病员工事件绝非孤例
  19. 回收垃圾字符的3种方法
  20. 谷歌浏览器图片无法显示,默认https加载

热门文章

  1. 2020上半年收集到的优质AI文章 – AI+和+AI
  2. SAP SD基础知识之SD常用BAPI
  3. Java进一步增强AI支持:Java-AI库概述
  4. AI检测制造“零缺陷”
  5. SAP MM 采购ERP顾问咨询费限制总金额的框架协议实现方案
  6. 人工智能不是单纯的经验和总结
  7. 靠脑机接口“隔空探物”,大脑植入芯片可实现“心灵感应”
  8. 器官复刻、脑机接口、电子皮肤…这些前沿科学或改写人类未来
  9. 2019全球信息通信业热点回顾
  10. 智能家居市场年增速近30%!苹果看齐亚马逊、谷歌,欲开辟三足鼎立