El alcance generalizado de las redes sociales como la plataforma X, anteriormente conocida como Twitter, ofrece oportunidades únicas para el análisis en tiempo real de los desarrollos de ciberataques. Al analizar y clasificar los tweets relacionados con ciberataques, podemos obtener valiosos conocimientos sobre su tipo, ubicación, impacto y posibles estrategias de mitigación. Sin embargo, con millones de tweets diarios, el análisis manual es ineficiente y consume mucho tiempo. Este documento propone un panel interactivo y automatizado impulsado por procesamiento de lenguaje natural para abordar eficazmente este desafío. Primero, creamos el conjunto de datos CybAttT, que contiene 36,071 tweets de ciberataques en inglés etiquetados manualmente. Experimentamos con diferentes algoritmos de clasificación. Después de eso, se implementó el mejor modelo y se integró en la canalización de transmisión para la clasificación en tiempo real. Este panel dinámico utiliza cuatro formatos de visualización diferentes: un mapa geográfico, una tabla de datos, mosaicos informativos y un gráfico de barras. Los usuarios pueden acceder fácilmente a información crucial sobre los ataques, incluyendo ubicación, tiempo y perpetradores, lo que permite una respuesta rápida y esfuerzos de mitigación. Nuestros resultados experimentales demostraron las prometedoras capacidades de visualización del panel, destacando su potencial como una herramienta valiosa para organizaciones e individuos que buscan una visión intuitiva y completa de los eventos de ciberataques.