网络入侵检测攻击流量特征数据集NetworkIntrusionDetectionAttackTrafficFeatures-abdelrahmanekhaldi
数据来源：互联网公开数据
标签：网络安全, 入侵检测, 流量分析, 特征工程, 机器学习, 异常检测, 数据挖掘, KDD99
数据概述：
该数据集包含来自KDD99数据集的派生数据，记录了网络流量的各种特征，用于网络入侵检测系统的训练与评估。主要特征如下：
时间跨度：数据未标明具体时间，可视为静态网络流量快照。
地理范围：数据模拟了网络环境中的流量，不限定具体地理位置。
数据维度：包括41个特征，涵盖了连接的基本特征、基于内容的特征、基于时间的网络流量统计特征以及主机相关的特征。字段包括：duration（持续时间）, protocol_type（协议类型）, service（服务）, flag（连接状态）, src_bytes（源字节数）, dst_bytes（目标字节数）, land（是否来自同一主机）, wrong_fragment（错误分片数）, urgent（紧急数据包数量）, hot（热连接数）, num_failed_logins（登录失败次数）, logged_in（是否已登录）, num_compromised（被攻击主机数量）, root_shell（是否获得root shell）, su_attempted（su尝试次数）, num_root（root权限文件数量）, num_file_creations（文件创建数）, num_shells（shell 命令数量）, num_access_files（访问文件数量）, num_outbound_cmds（外发命令数量）, is_host_login（是否主机登录）, is_guest_login（是否为访客登录）, count（连接计数）, srv_count（服务计数）, serror_rate（服务错误率）, srv_serror_rate（服务端服务错误率）, rerror_rate（远程错误率）, srv_rerror_rate（服务端远程错误率）, same_srv_rate（相同服务比例）, diff_srv_rate（不同服务比例）, srv_diff_host_rate（不同主机服务比例）, dst_host_count（目标主机计数）, dst_host_srv_count（目标主机服务计数）, dst_host_same_srv_rate（目标主机相同服务比例）, dst_host_diff_srv_rate（目标主机不同服务比例）, dst_host_same_src_port_rate（目标主机相同源端口比例）, dst_host_srv_diff_host_rate（目标主机不同服务主机比例）, dst_host_serror_rate（目标主机服务错误率）, dst_host_srv_serror_rate（目标主机服务端服务错误率）, dst_host_rerror_rate（目标主机远程错误率）, dst_host_srv_rerror_rate（目标主机服务端远程错误率）, class（攻击类型标签）。
数据格式：CSV格式，文件名为Phase2csv，便于数据分析和机器学习模型训练。
该数据集特别适用于网络入侵检测、异常检测、安全态势分析等领域。
数据用途概述：
该数据集具有广泛的应用潜力，特别适用于以下场景：
研究与分析：适用于网络安全、机器学习、数据挖掘等领域的学术研究，例如异常流量检测、攻击类型识别、特征重要性分析等。
行业应用：为网络安全公司、安全服务提供商提供数据支持，用于构建入侵检测系统（IDS）、异常行为分析系统（UBA）和安全信息与事件管理系统（SIEM）。
决策支持：支持企业和组织的网络安全风险评估，帮助制定网络安全策略，提升安全防护能力。
教育和培训：作为网络安全、机器学习、数据科学等相关课程的实训材料，帮助学生和研究人员理解入侵检测原理，掌握数据分析技能。
此数据集特别适合用于探索网络流量特征与攻击行为之间的关系，帮助用户构建高效的入侵检测模型，提升网络安全防御水平。
