The UNSW-NB15 Dataset 研究单位:新南威尔士大学澳大利亚国防军学院 制作目的:网络入侵检测系统 (NIDS) 监控网络流量以识别攻击 制作方法:UNSW-NB 15 数据集是实验室使用 IXIA PerfectStorm 工具创建现代正常和异常网络流量的混合体。通过 IXIA 工具的异常流量模拟了表 VIII 中列出的 9 个攻击系列。IXIA 工具包含从...
攻击类型:UNSW-NB15数据集中的攻击被分为多个类别,包括DoS(拒绝服务攻击)、Fuzzers(模糊测试攻击)、Analysis(分析攻击)、Backdoors(后门攻击)、Exploits(漏洞利用攻击)、Generic(通用攻击)、Reconnaissance(侦察攻击)、Shellcode(shellcode攻击)和Worms(蠕虫攻击)等。 分布:在数据集中,正常记录占87%,而所有攻击类别的记...
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...
341 records and the testing set is 82,332 records from the different types, attack and normal.Figure 1 and 2 show the testbed configuration dataset and the method of the feature creation of the UNSW-NB15, respectively.
数据集链接:dataset_UNSWNB15 LabelEncoder的编码是按照字典顺序进行的,所以写的examples变量没有意义. import numpy as np import pandas as pd from sklearn.preprocessing import LabelEncoder, OneHotEncoder ''' readme: 这版本写的很好用.train_normal指的是训练集中所有label为normal的样本. ''' df_test =...
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 datasetlogistic regressionsupport vector machinedecision treerandom forestThe rapid proliferation of new technologies such as Internet of Things (IoT), cloud computing, virtualization, and smart devices has led to a massive annual production of over 400 zettabytes of network traffic data. As...
intrusion-detectionintrusionkdd99unsw-nb15 UpdatedJan 24, 2018 这是一个封装了KDDCup99、NSL-KDD、UNSW-NB15等入侵监测数据集的Python包。 datasetidsnidsnsl-kddunsw-nb15kddcup99 UpdatedAug 10, 2020 Python Basic Machine learning projects and assignments done by me. ...
首先，UNSW-NB15是一个综合性的数据集，用于网络入侵检测系统的研究和测试，它包含了来自IXIA ...
UNSW-NB15 is a network intrusion dataset. It contains nine different attacks, includes DoS, worms, Backdoors, and Fuzzers. The dataset contains raw network packets. The number of records in the training set is 175,341 records and the testing set is 82,33