车联网入侵检测系统CICIoV2024十进制数据集
数据来源：互联网公开数据
标签：车联网,入侵检测,网络安全,机器学习,DoS攻击,欺骗攻击,安全研究,数据分析
数据概述：
本数据集是CICIoV2024系列数据集的一部分，专为车联网（IoV）入侵检测系统（IDS）的开发和验证而设计。这些数据集以十进制格式呈现网络数据，方便研究人员和实践者进行数据分析和机器学习工作。
数据集包含多个文件，每个文件对应不同类型的网络行为，包括正常流量和恶意流量。十进制数据集主要包括以下几种类型的数据：
正常流量数据：代表车联网环境中的正常操作，不包含任何恶意活动，作为评估其他数据的基准。
DoS攻击数据：模拟拒绝服务（DoS）攻击，用于训练和测试模型以检测和应对DoS场景，即系统被大量流量淹没以中断服务的情况。
欺骗攻击数据：包含针对不同车辆控制的多种欺骗攻击数据：
GAS欺骗：模拟针对燃气控制系统的攻击。
RPM欺骗：包含影响每分钟转数（RPM）控制的恶意数据。
SPEED欺骗：由针对车辆速度控制的欺骗数据组成。
STEERING_WHEEL欺骗：包含模拟针对转向控制系统的攻击的数据。
数据集结构和特征：
十进制数据集中的每个文件通常包含从网络流量中提取的各种特征，可能包括但不限于：
时间戳：指示数据包被捕获的时间。
数据包大小：网络流量中每个数据包的大小。
协议类型：通信会话中使用的协议，例如TCP、UDP、HTTP。
源和目标IP地址：数据包的原始IP地址和目标IP地址。
端口号：参与网络通信的端口号。
有效载荷信息：可能包括从数据包有效载荷中提取的特定数据，以十进制形式呈现。
标签：每个实例都被标记为良性或指定攻击类型，适用于监督学习任务。
数据用途概述：
该数据集适用于入侵检测系统开发、网络安全研究、机器学习模型训练与评估等多种场景。 研究人员可以使用此数据开发和测试针对车联网环境的IDS模型； 安全专家可以利用数据评估不同IDS方法的有效性； 开发者可以基于数据进行安全漏洞分析与攻击模拟。
