数据集概述
本数据集为被动操作系统指纹识别方法评估构建，基于大学工作日约8小时的Web流量，通过Flowmon和GoFlows提取网络流特征，结合Web日志的User-Agent信息（经ua-parser转换为操作系统标签）标注。包含111个数据字段，涵盖基础流属性、IP/TCP参数、HTTP/TLS信息、数据包时序等，可用于操作系统指纹识别及相关网络分析。
文件详解
- 文件名称：
anonymized_flows.zip
- 文件格式：ZIP
- 字段映射介绍：包含111个数据字段，分为多类：
- 基础流属性：flow_ID、start、end、L3 PROTO、L4 PROTO、BYTES A、PACKETS A、SRC IP、DST IP等
- IP参数：IP ToS、maximumTTLforward、IPv4DontFragmentforward等
- TCP参数：TCP SYN Size、TCP Win Size、TCP SYN TTL、tcpOptionWindowScaleforward等
- HTTP信息：HTTP Request Host、URL
- 操作系统标签：UA OS family、UA OS major、UA OS minor等
- TLS信息：TLS_CONTENT_TYPE、TLS_SERVER_VERSION、TLS_JA3_FINGERPRINT等
- 数据包时序：NPM_ROUND_TRIP_TIME、NPM_JITTER_AVG_A、NPM_DELAY_HISTOGRAM等
- ICMP参数：ICMP TYPE
数据来源
大学网络流量（5台Web服务器，475个大学域名）、Microsoft IIS Web日志、Flowmon/GoFlows流导出工具、ua-parser工具
适用场景
- 操作系统指纹识别模型训练与评估: 利用标注的OS标签和网络流特征，开发或验证被动指纹识别算法
- 网络流量特征分析: 研究不同操作系统的网络行为模式（如TCP参数、TLS指纹差异）
- 网络安全监测: 基于OS指纹识别异常流量（如非预期操作系统的连接请求）
- 网络协议性能研究: 分析TLS/HTTP协议参数与操作系统的关联规律
- 用户设备类型统计: 基于OS分布数据，统计网络中用户设备（如Windows、Android、iOS）的占比情况
