数据集一共有49个特征, 我们会在后面对每一种特征进行介绍.在csv中保存的数据共有2,540044条数据,被包含在四个文件中。该数据集已经进行了训练集和测试集的分割,在训练集中共有175341条记录, 在测试集中共有82332条记录。 文件介绍:共包含2540044条数据记录。 UNSW-NB15_1.csv:700000条 UNSW-NB15_2.csv:...
UNSW-NB15数据集是一个用于网络入侵检测系统(NIDS)研究和评估的大型数据集,以下是对该数据集的详细介绍: 什么是UNSW-NB15数据集? UNSW-NB15数据集由澳大利亚新南威尔士大学(UNSW)发布,旨在提供一个全面的网络活动数据集,用于测试和评估网络入侵检测系统。该数据集包含了2,540,044条记录,分为正常和异常(攻击)网络...
UNSW-NB15_training-set.csv:用作模型的训练数据。 UNSW-NB15_testing-set.csv:用于测试模型的性能。 这两个文件已经包含了所有的特征和标签,不需要自己额外处理其他文件。如果想更深入理解特征,可以参考NUSW-NB15_features.csv,但在模型训练中,直接使用训练集和测试集文件即可。 UNSW-NB15_training-set.csv里各...
UNSW-NB15总体介绍 数据集的官⽹:数据集下载链接:数据集中⼀共有9种攻击: This dataset has nine types of attacks, namely, Fuzzers, Analysis, Backdoors, DoS, Exploits, Generic, Reconnaissance, Shellcode and Worms.数据集⼀共有49个特征, 我们会在后⾯对每⼀种特征进⾏介绍.在csv中保存的数据...
UNSW-NB15总体介绍 数据集的官网:The UNSW-NB15 Dataset Description 数据集下载链接:UNSW-NB15 Download 数据集中一共有9种攻击: This dataset has nine types of attacks, namely,Fuzzers, Analysis, Backdoors, DoS, Exploits, Generic, Reconnaissance, Shellcode and Worms. ...
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 种典型的深度学习模 型, 结合 KDD Cup99、NSL-KDD、UNSWNB15 数据集,通过实验来测试入侵检测的准确率和检测性能。这对未来的研究有着一定的指导意义。
数据集官网:https://www.unb.ca CIC-IDS-2017下载:CIC-IDS-2017(需要先注册) CIC-IDS-2018下载: (由于官方提供的在AWS上下载较慢,提供了飞桨上的数据集) 4、UNSW-NB15 数据集中一共包含了9种攻击:Fuzzers, Analysis, Backdoors, DoS, Exploits, Generic, Reconnaissance, Shellcode and Worms. ...
NF-UNSW-NB15-v2_cv3_graph_binary.pkl NF-UNSW-NB15-v2_cv4_graph_binary.pkl NF-UNSW-NB15-v2_cv2_graph_multi.pkl NF-UNSW-NB15-v2_cv3_graph_multi.pkl NF-UNSW-NB15-v2_cv4_graph_multi.pkl NF-UNSW-NB15-v2_cv0_graph_binary.pkl (845.05M) 下载反馈...
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 数据集成为新的基准数据集。上述 3 种数据集(KDDCup-99 和 NSL-KDD 算 一种)人工提取的特征有着高度的相似性,均包含数据流的持续时间、目的端口、协议、数据包发送速率、传输控制协议(Transmission ...
基于CNN-BiBASRU-AT的网络异常流量检测模型在UNSW-NB15数据集上取得了92.81%的F1值，这一结果高于实验...