网络入侵检测系统对抗样本数据集1963-2021
数据来源：互联网公开数据
标签：网络入侵检测,对抗样本,深度神经网络,数据欺骗,安全研究,攻击模拟,机器学习
数据概述：
本数据集包含旨在欺骗基于深度神经网络（DNN）的网络入侵检测系统（NIDS）的对抗攻击样本。每个样本在功能上保持不变，即通过以允许攻击绕过NIDS的方式扰动给定攻击样本的特征来生成攻击，同时保持攻击目标不变。此外，生成的攻击考虑到了现实攻击条件，即扰动后的特征值保持在可行范围内，并保留了所有特征之间的相互依赖关系。因此，该数据集在实际场景中具有很高的适用性。
数据集包括从UNSW-NB15数据集中提取的9000个对抗样本，具体而言，我们根据UNSW小组Moustafa提出的划分方案，为UNSW-NB15数据集训练集中每种攻击类型生成了1000个样本。每个攻击样本均基于UNSW-NB15数据集的最小-最大归一化样本生成。使用的特征列表见“features.txt”文件。文件名结构遵循以下模式：Adversary_xxxx_TrainSet.csv，其中xxxx表示生成对抗样本的基础攻击类型。
数据用途概述：
该数据集适用于网络入侵检测系统的对抗攻击研究和防御技术开发。研究人员可以利用此数据集评估现有NIDS的鲁棒性，并研究新的防御机制，如基于自编码器的方法。该数据集还可以用于教育培训，帮助学习者了解对抗样本的生成机制和防御策略。此外，该数据集对于安全审计和网络防护系统的设计具有重要参考价值。
举例：
例如，文件Adversary_0001_TrainSet.csv包含基于UNSW-NB15数据集攻击类型0001生成的1000个对抗样本，这些样本通过扰动原始攻击样本的特征生成，旨在绕过NIDS检测，同时保持攻击目标不变。
