文件名称：Botnet-detection:使用机器学习识别僵尸网络
文件大小：1.18MB
文件格式：ZIP
更新时间：2024-06-08 03:47:19
JupyterNotebook
基于机器学习的僵尸网络检测 基于机器学习的僵尸网络检测是一种根据网络流量将网络流量归为僵尸网络入侵或不入侵的工具。 它涉及各种机器学习分类器，包括神经网络，决策树，朴素贝叶斯，逻辑回归，k最近邻。 客观的 该项目使用各种基于机器学习的分类器实现了一种新颖的方法来检测基于僵尸网络的网络入侵。 与传统的基于数据包分析的方法不准确且费时不同，此方法既稳健又高度准确。 该项目涉及以下机器学习分类器： 神经网络 决策树 逻辑回归 支持向量机 高斯朴素贝叶斯 K最近的邻居。 使用的数据集 该项目使用CTU-13数据集，其中涉及13种带有正常流量和僵尸网络流量的网络流量数据的场景。 该项目使用场景1来训练和测试各种模型。 依存关系 此项目需要以下python模块的集合： 科学的 麻木 茶野 scikit学习 凯拉斯 测试模型 要测试模型，请使用以下命令在Machine-Learning-Bas
【文件预览】：
Botnet-detection-master
----src()
--------.ipynb_checkpoints()
--------models.pyc(10KB)
--------gui_develop.py(3KB)
--------dataset_load.pyc(7KB)
--------models.py(7KB)
--------cli_develop.py(1KB)
--------dataset_load.py(7KB)
--------cli_develop.pyc(1KB)
--------WorkingFine.ipynb(26KB)
----.idea()
--------misc.xml(688B)
--------workspace.xml(2KB)
--------modules.xml(288B)
--------MachineLearningBasedBotnetDetection.iml(345B)
----dataset()
--------flowdata.pickle(11.75MB)
----README.md(1KB)