Advertisement

UNSW-NB15入侵检测数据集.zip

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:None


简介:
本资源提供UNSW-NB15入侵检测数据集,包含网络流量记录及标签,旨在支持网络安全研究和异常检测模型开发。 UNSW_NB15入侵检测数据集相比KDD99和NSL KDD数据集更适合用于相关研究人员进行入侵检测系统的研究。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • UNSW-NB15.zip
    优质
    本资源提供UNSW-NB15入侵检测数据集,包含网络流量记录及标签,旨在支持网络安全研究和异常检测模型开发。 UNSW_NB15入侵检测数据集相比KDD99和NSL KDD数据集更适合用于相关研究人员进行入侵检测系统的研究。
  • 基于UNSW-NB15(Intrusion Detection)
    优质
    本研究利用UNSW-NB15数据集,探索并实施先进的机器学习算法以提升网络入侵检测系统的准确性与效率。 UNSW-NB 15 数据集的原始网络数据包是由澳大利亚新南威尔士大学堪培拉赛博靶场实验室使用 IXIA PerfectStorm 工具创建的,旨在生成现代正常活动与合成当代攻击行为的真实混合体。Tcpdump工具用于捕获100GB 的原始流量(如Pcap文件)。该数据集包含九种类型的攻击。
  • UNSW_NB15_RNN_基于UNSW-NB15的SGM-CNN系统_
    优质
    本研究提出了一种基于UNSW-NB15数据集的新型入侵检测模型——SGM-CNN,结合RNN技术以提升网络安全防护能力。 使用UNSW数据集进行入侵检测时,通过多种组合模型的应用可以达到90%以上的精确度。同时,还分别测试了流行的神经网络模型的效果。
  • UNSW-NB15(全版本)
    优质
    UNSW-NB15数据集(全版本)包含了全面的网络流量记录,用于检测和分析网络安全威胁。它基于广泛的真实世界数据,为研究者提供了一个详尽的平台来开发新的入侵检测系统。 数据集为公开数据集,但下载需要使用翻墙服务(FQ)。资源整理较为不易,请按需下载。
  • NSL-KDD.zip
    优质
    本资源包含NSL-KDD入侵检测数据集,适用于网络安全研究和机器学习模型训练,帮助识别并防范各类网络攻击。 NSL-KDD数据集是对KDD99数据集的改进版本,可以作为有效的基准数据集用于机器学习算法在入侵检测实验中的测试。以下是NSL-KDD数据集相对于原始KDD 99数据集的主要优点: 1. NSL-KDD训练集中没有冗余记录,这样分类器不会偏向更频繁出现的数据。 2. 测试集中不包含重复的记录,从而使得检测率更加准确。 3. 各难度级别组中选取的样本数量与原始KDD数据集中的比例成反比。这导致不同机器学习方法之间的分类性能差异范围更大,有助于对各种学习技术进行更有效的评估比较。 4. 训练和测试用的数据量设置合理,使得在整套实验上运行的成本较低,并且无需随机选择一小部分样本即可完成实验。因此,在不同的研究工作中得到的评估结果可以相互一致并且具有可比性。
  • 2017年
    优质
    2017年入侵检测数据集包含广泛网络活动记录,旨在识别并防范网络安全威胁。该数据集涵盖多种攻击模式,为研究人员提供真实场景下的测试环境,助力开发先进的入侵检测系统。 由于原文件超出220M,请在下载好该文件后联系我,我会提供原始CSV文件及.pcap格式的网络流量数据(如有需要)。分数要求不高,因为我在这个研究方向上有所涉猎,希望能与有志之士共同探讨。使用此数据集时请注明出处。我在寻找此类数据集的过程中花费了大量时间,除了上传的数据之外还有其他可用资源,请随时询问我是否有你需要的内容。
  • KDD CUP99
    优质
    KDD CUP99入侵检测数据集是用于网络安全领域中机器学习研究的重要资源,包含大量模拟网络通信记录,旨在帮助识别并防范各种网络攻击行为。 KDD CUP99 数据集是从一个模拟的美国空军局域网上采集来的九周网络连接数据,并被划分为包含标识符的训练数据以及无标识符的测试数据。由于其概率分布不同,且测试集中包含了一些未在训练集中出现过的攻击类型,因此它更贴近实际入侵检测需求。训练集包括一种正常状态(normal)和22种已知攻击类型,而另外14种攻击仅出现在测试数据中。
  • UNSW-NB15 100GB原始下载链接
    优质
    简介:提供UNSW-NB15网络流量数据集中的100GB原始文件直接下载链接,适用于网络安全研究与模型训练。 澳大利亚入侵检测数据集包含原始的PCAP数据以及对应的CSV格式的数据。
  • CICIDS2017评估
    优质
    CICIDS2017是由加拿大滑铁卢大学网络科学研究所发布的入侵检测系统评估数据集,旨在为研究人员提供真实流量环境下机器学习模型训练和测试资源。 这是Intrusion Detection Evaluation Dataset (CICIDS2017)数据集中星期五所测得的数据。其余4天的数据可以私下交流,可能会收取一定的手工费,因为国外实验室获取这些数据集比较困难。
  • CICIDS2018公开
    优质
    CICIDS2018是CI-SEC项目发布的一个大型网络流量数据集,专为训练和测试入侵检测系统而设计,包含多种网络攻击类型的真实场景。 在测试入侵检测模型的过程中,我发现许多论文使用了CICIDS系列的数据集。然而,在尝试下载这些数据集时遇到了困难,因为需要自己搭建AWS环境,并且作为计算机初学者的我无法成功完成这个过程。于是,我决定花钱购买了一个博主分享的数据集。 虽然目前还没有用上这份数据集,但我想与大家免费分享它。对于学生来说,自行构建这样的测试环境确实非常复杂和繁琐。既然我已经有了这些资源,希望可以帮到有需要的人们。由于上传文件大小有限制,所以我分成了两篇文章发布。不过我认为这个文件已经足够大了。 关于平台如何界定下载积分设置的问题,请大家在评论区留言或私信我(如果后期设置了积分限制的话),我很乐意与大家分享这份资源。最后希望这个数据集对你有用,如果有帮助请记得给我点个赞哦✿