DoH流量平衡数据集-恶意与良性网络流量分析-2020
数据来源：互联网公开数据
标签：DoH,网络流量,安全,机器学习,恶意软件,数据平衡,SMOTE,网络安全,加密流量
数据概述：
本数据集“BCCC-CIRA-CIC-DoHBrw-2020”旨在解决“CIRA-CIC-DoBre-2020”数据集中存在的类别不平衡问题。与“CIRA-CIC-DoBre-2020”数据集（约90%为恶意流量，10%为良性流量）不同，本数据集通过使用合成少数类过采样技术（SMOTE），实现了恶意和良性DoH（Domain over HTTPS，基于HTTPS的域名解析）网络流量的平衡。数据集包含恶意DoH流量和良性DoH流量，每类流量各有249,836个实例。本数据集由三个CSV文件组成：一个用于恶意DoH流量，一个用于良性DoH流量，还有一个文件整合了这两种类型的流量。
数据用途概述：
该数据集适用于网络安全研究、机器学习模型训练、恶意流量检测、DoH流量分析等多种场景。研究人员可以利用此数据训练和评估分类模型，以识别恶意DoH流量；安全工程师可以利用此数据改进网络安全防御系统；数据科学家可以探索不同的特征工程方法，提高恶意流量检测的准确性。此外，该数据集也适合用于教育和培训，帮助学习者理解DoH流量的特性，以及如何应对网络安全威胁。
