数据集概述
本数据集包含用于物联网（IoT）和软件定义网络（SDN）环境下威胁检测的两类网络流量数据及相关代码，核心聚焦IoT僵尸网络与SDN安全机制评估，涵盖良性与恶意流量记录，支持机器学习模型训练与安全研究。
文件详解
- 数据文件：
- Dataset for UNSW_2018_IoT_Botnet_Final_10_best_Training(1).csv：CSV格式，IoT环境流量数据集，含良性及僵尸网络等恶意流量，字段包括pkSeqID（包序列ID）、proto（协议）、saddr（源地址）、sport（源端口）、daddr（目的地址）、dport（目的端口）、seq（序列）、stddev（标准差）、N_IN_Conn_P_SrcIP（源IP入连接数）、min（最小值）、state_number（状态数）、mean（平均值）、N_IN_Conn_P_DstIP（目的IP入连接数）、drate（数据率）、srate（速率）、max（最大值）、attack（攻击标识）、category（攻击类别）、subcategory（攻击子类）
- Dataset for CICEV2023.csv：CSV格式，推测为SDN环境流量数据集，字段包括Session ID（会话ID）、CS ID（控制器会话ID）、Timestamp（时间戳）、Authentication（认证状态）、Installation（安装状态）、label（标签）、Date_Time（日期时间）
- 代码文件：
- Code.ipynb：Jupyter Notebook格式，用于物联网WISNE-SDN检测与DDoS攻击缓解的代码文件
适用场景
- IoT安全研究：构建轻量级机器学习模型实现实时IoT威胁检测
- SDN安全研究：测试SDN控制器中基于异常的入侵检测系统
- 攻击检测分析：识别IoT环境中的DDoS、信息窃取、侦察等攻击
- 网络流量分析：分析SDN环境中DDoS、探测、欺骗等攻击模式
- 机器学习应用：训练分类模型实现网络流量的正常与攻击行为识别
