CSE-CIC-IDS-2018V2网络入侵检测数据集-abluvaresearch
数据来源：互联网公开数据
标签：网络安全,入侵检测,数据集,CICIDS,机器学习,数据保护,异常检测,数据合成
数据概述：
本数据集是CSE-CIC-IDS 2018数据集的更新版本，包含20,000个网络流量样本，这些样本已经进行了标准化处理。此外，数据集中新增了一个名为“Comb”的类别，该类别是现有攻击类别的组合。数据集适用于网络安全研究、入侵检测系统的开发与评估等场景。
数据集来源于Abluva Inc，一家位于帕洛阿尔托的研究驱动型数据保护公司。该公司专注于通过高级安全机制如细粒度访问控制和复杂的数据脱敏算法（包括伪名化、匿名化和随机化）来保护数据。Abluva的数据保护解决方案促进了组织内外的数据民主化，减轻了数据盗窃和合规性方面的担忧。Abluva的入侵检测算法采用专利技术，能够在不干扰业务运营的情况下实现精确的入侵检测，确保正常访问偏差不会被误报为攻击。
引用信息：
Madhubalan, Akshayraj & Gautam, Amit & Tiwary, Priya. (2024). Blender-GAN: 多目标条件生成对抗网络用于新颖类别合成数据生成. 1-7. 10.1109/SmartNets61466.2024.10577645.
数据用途概述：
该数据集适用于网络安全研究、入侵检测系统的开发与评估、机器学习模型训练以及异常检测算法的测试。研究人员可以利用此数据集评估和改进入侵检测系统的性能；数据科学家可以使用该数据集进行机器学习模型的训练和验证；安全专家可以借助数据集进行异常检测算法的设计与优化。此外，该数据集还适合用于教育和培训，帮助学习者理解网络安全的基本概念和入侵检测系统的运作机制。
