文件名称：ml-ids:基于机器学习的入侵检测
文件大小：2.27MB
文件格式：ZIP
更新时间：2024-05-21 12:36:23
Python
基于机器学习的入侵检测 下载数据集 通过运行以下命令下载和： cd data ./download_data.sh 这大约需要30分钟（取决于您的Internet连接），并从组织成训练和测试集的数据集（约18GB）以及KDD数据集的样本中下载内部TCPDUMP文件。 1999 DARPA评估标签 可以在页面上找到有关如何执行DARPA数据集评估以及地面真相文件的描述。 实验文件 我们的各种实验以Python文件的形式组织在存储库的根目录中。 每个实验将在下面说明。 gmm.py高斯实验的混合物该实验通过利用sklearn库，使用了高斯模型的平稳混合。 phad-c32.py 描述的PHAD-C32算法的Python实现 phad_feat_all_but_one.py PHAD算法的特征消融实验，它迭代地测试除一个特征以外的所有特征。 phad_ttl_only.py PHAD的简
【文件预览】：
ml-ids-master
----phad_feat_all_but_one.py(9KB)
----plotting()
--------plot_phad_ablation.py(1KB)
--------plot_tuning.py(2KB)
--------plot_kdd_ablation.py(773B)
----phad-c32.py(8KB)
----utils()
--------scapy_patch.py(317B)
--------kdd_categories.py(2KB)
--------clusterer.py(2KB)
--------__init__.py(172B)
--------kdd_parser.py(7KB)
--------pcap_parser.py(7KB)
--------labeler.py(5KB)
--------time_functions.py(3KB)
----check_results.py(11KB)
----phad_ttl_only.py(8KB)
----requirements.txt(42B)
----.travis.yml(497B)
----LICENSE(1KB)
----README.md(3KB)
----kdd_knn.py(3KB)
----gmm.py(5KB)
----data()
--------gmm_results_max.csv(178KB)
--------kdd_ablation.csv(1KB)
--------download-data.sh(2KB)
--------phad_compounding_ablation.csv(1KB)
--------gmm.pkl(1.46MB)
--------phad_ttl_only.csv(785KB)
--------master-listfile-condensed.txt(268KB)
--------parse_kdd_data.py(185B)
--------phad_results.csv(8.23MB)
--------testing()
--------phad_tuning.csv(237KB)
--------phad_ablation.csv(872B)
----tests()
--------testClusterer.py(2KB)
--------http.cap(25KB)
--------__init__.py(0B)
--------testPcapParser.py(5KB)
----.gitignore(1KB)