PyGraphistry показали в Colab‑ориентированном workflow для интерактивной графовой аналитики в задачах безопасности

В учебном материале разобран практический workflow для интерактивной графовой аналитики на базе PyGraphistry. В качестве примера используется синтетический набор данных о корпоративном доступе: в нем есть пользователи, устройства, IP‑адреса, сервисы, роли и географические локации. Эти сведения переводят в графовую модель из узлов и рёбер, после чего структуру дополняют аналитическими признаками, которые помогают исследовать риски и аномалии.

Граф постепенно обогащают метриками. В него добавляют оценки риска и показатели центральности, подключают алгоритмы обнаружения сообществ. Для поиска аномалий применяют Isolation Forest, а пространственные эмбеддинги строят с помощью UMAP. Такой набор аналитики помогает заметить подозрительных пользователей, выделить потенциально рискованные устройства, а также проследить связи между IP‑адресами и обращения к чувствительным сервисам.

После этого структуру графа связывают с визуальными атрибутами и фильтрами в PyGraphistry, что дает возможность собирать интерактивные визуализации. Если учетные данные Graphistry не настроены, графы можно запускать локально через PyVis. Доступно несколько режимов просмотра: полный граф, эго‑граф, а также выборка узлов с повышенным уровнем риска. Как сообщает MarkTechPost, весь процесс оформлен как Colab‑готовый пример с установкой зависимостей и возможностью загрузки интерактивных графов в Graphistry Hub при наличии учетных данных.