Create app,py

app,py

@@ -0,0 +1,77 @@
+import pandas as pd
+import geopandas as gpd
+import folium
+from sklearn.ensemble import IsolationForest
+import subprocess
+
+def load_geo_traffic_data(file_path):
+    """
+    Загружает данные гео-трафика из CSV файла.
+    CSV должен содержать колонки: latitude, longitude, traffic_intensity, timestamp.
+    """
+    data = pd.read_csv(file_path)
+    return data
+
+def analyze_geo_traffic(data, contamination=0.01):
+    """
+    Преобразует DataFrame в GeoDataFrame и применяет алгоритм обнаружения аномалий.
+    contamination – процент ожидаемых аномалий (например, 1%).
+    Возвращает GeoDataFrame с добавленным столбцом 'anomaly' (-1: аномалия, 1: нормальные данные).
+    """
+    # Создаем GeoDataFrame
+    gdf = gpd.GeoDataFrame(
+        data,
+        geometry=gpd.points_from_xy(data.longitude, data.latitude)
+    )
+    
+    # Применяем Isolation Forest для анализа 'traffic_intensity'
+    model = IsolationForest(contamination=contamination, random_state=42)
+    data['anomaly'] = model.fit_predict(data[['traffic_intensity']])
+    
+    # Добавляем информацию об аномалиях в GeoDataFrame
+    gdf['anomaly'] = data['anomaly']
+    return gdf
+
+def create_traffic_map(gdf):
+    """
+    Строит карту региона с отображением точек.
+    Зеленый цвет – нормальный трафик, красный – обнаруженная аномалия.
+    """
+    center_lat = gdf.geometry.y.mean()
+    center_lon = gdf.geometry.x.mean()
+    m = folium.Map(location=[center_lat, center_lon], zoom_start=10)
+    
+    for _, row in gdf.iterrows():
+        color = 'red' if row['anomaly'] == -1 else 'green'
+        folium.CircleMarker(
+            location=[row.geometry.y, row.geometry.x],
+            radius=3,
+            color=color,
+            fill=True,
+            fill_color=color,
+            fill_opacity=0.7
+        ).add_to(m)
+    return m
+
+def run_cybersecurity_check(ruby_script_path, log_file):
+    """
+    Запускает Ruby-скрипт для анализа логов кибербезопасности.
+    """
+    subprocess.run(["ruby", ruby_script_path, log_file])
+
+if __name__ == "__main__":
+    # Этап 1: Загрузка и анализ гео-трафика (от 0% до 100% выполнения)
+    file_path = 'geo_traffic.csv'  # Файл с данными трафика
+    data = load_geo_traffic_data(file_path)
+    gdf = analyze_geo_traffic(data, contamination=0.01)
+    
+    # Этап 2: Создание карты региона
+    traffic_map = create_traffic_map(gdf)
+    traffic_map.save("geo_traffic_map.html")
+    print("Карта сохранена как 'geo_traffic_map.html'")
+    
+    # Этап 3: Вызов Ruby-скрипта для проверки кибербезопасности
+    # Предположим, что лог-файл называется 'cyber_logs.json'
+    ruby_script = 'cyber_security_check.rb'
+    log_file = 'cyber_logs.json'
+    run_cybersecurity_check(ruby_script, log_file)