文件名称：IntrusionDetectionSystem:使用基于 GA 的特征选择的集成分类器进行网络入侵检测
文件大小：252KB
文件格式：ZIP
更新时间：2024-07-24 23:31:04
Java
入侵侦测系统 密歇根州立大学进化计算类项目 目的该项目的目的是 - 给定一个数据集，使用遗传算法来识别一个好的特征子集，Ensemble 分类器可以使用这些特征子集将网络流量分类为好或坏。 数据集我计划用于这个项目的数据集来自 1999 年的 KDD 入侵检测竞赛[1]。 该数据集包含模拟美国空军 LAN 的局域网的原始数据的 9 周原始 TCP 转储数据。 原始训练数据由来自七周网络流量的压缩二进制 TCP 转储数据组成，处理成大约 500 万条记录。 连接是在某些明确定义的时间开始和结束的 TCP 数据包序列，在这些数据包之间，数据在某些明确定义的协议下流入和流出源 IP 地址到目标 IP 地址。 每个连接都被标记为正常或特定类型的攻击。 攻击本身分为四大类：DOS（拒绝服务）、R2L（未经授权的远程访问）、U2R（未经授权的本地超级用户访问）、探测。 数据集还包含测试数据，这些数据
【文件预览】：
IntrusionDetectionSystem-master
----proposal.tex(5KB)
----PostProcessing()
--------gene_freq1.cpp(1KB)
--------gene_freq2.cpp(1KB)
--------generate1.cpp(1KB)
--------generate2.cpp(1KB)
----experiments()
--------TestKDD.java(2KB)
----FeatureSubsetGA.java(7KB)
----Individual.java(390B)
----DecisionTree()
--------.gitignore(71B)
----README.md(3KB)
----proposalref.bib(516B)
----CandidateClassifier.java(3KB)
----TestKDD.java(3KB)
----FinalReport()
--------FinalReport.pdf(250KB)