试验结果表明,提出的 MCA-LSTM 模型在 NSL-KDD 数据集 5分类任务中和 UNSW-NB15 数据集 10 分类任务中具有较好的准确度。与传统的机器学习和现有深度学习模型相比,该模型具有较好的分类检测性能。 综上所述,不同的深度学习模型在入侵检测系统中会产生不同的应用效果。本章节中所提到的研究工作主要使用 4 种典型...
UNSW_NB15，可以尝试从kaggle中找这个数据的代码，基本的机器学习模型效果也挺好的。https://www.kaggle...
上述两种数据集并没有提供网络流量数据文件,而在 2015 年公开的 UNSW-NB15[3] 和 2018 年公开的 CICIDS-2018数据集则提供了网络流量数据 pcap 文件和已经预处理提取好特征的 csv 文件。Moustafa 等人 对 UNSW-NB15 数据集做了评估分析,认为其包含新型的攻击方式,更具复杂性,可以取代 KDDCup-99 数据集成为新...
cnnlstmmalware-detectionunsw-nb15 UpdatedNov 10, 2023 Jupyter Notebook Big Data Analytics module (UEL-CN-7031), featuring Hive and PySpark analysis on the UNSW-NB15 dataset, with detailed tasks, scripts, visualizations, and reports big-datahadoopunsw-nb15py-spark ...
KDD CUP99数据集:是网络入侵检测领域的事实Benckmark,为基于计算智能的网络入侵检测研究奠定基础。 UNSW_NB15数据集:是综合性的网络攻击流量数据集,包括训练数据和测试数据,被广泛应用于异常入侵检测。相比于KDD99和NSL KDD数据集更适合相关研究人员用于入侵检测系统的研究。
数据集为UNSW_NB15官方数据集,42列特征,一列标签,二分类问题;采用的方法为:① 特征处理;② Pearson过滤和随机森林特征选择;③ CNN训练,参考的文档为《基于深度神经网络的网络入侵检测技术》。运行代码前确保安装有sklearn包和Tensorflow以及keras,注意Te 上传者:s44359487yad时间:2024-09-16...
To prove the method’s efficiency, the paper compared SVM, BP, CNN, ELM, and I-ELM on the NSL-KDD and UNSW-NB15 datasets. Despite the imbalanced distribution of data among the attack types in the NSL-KDD dataset, and the large numbers of new network attack types in UNSW-NB15, I-...