网络入侵检测数据集UNSW-NB15数据集 csv文件

SCADA系统中用于入侵检测的机器学习技术 在这项工作中，我们旨在开发一种NIDS（网络入侵检测系统），以在特定的工业用例场景中检测针对SCADA系统的攻击。为了实现此目标，各种机器学习方法（例如支持向量机（SVM）） ）和随机森林（RF），以及称为长短期记忆（LSTM）的深度学习算法，用于构建此入侵检测系统。 实施这些预处理文件是为了与天然气管道控制系统数据集（IanArffDataset.arff）一起使用。 该数据集托管在工业控制系统（ICS）网络攻击数据集网站上： 如果您想引用我们的工作，请使用以下BibTex条目： @inproceedings{lopez:2018:inproceedings:scada-ml, author = {Lopez Perez, Rocio and Adamsky, Florian and Soua, Ridha and Engel

3-大中型网络入侵要案直击与防御.pdf

基于机器学习在网络入侵检测中的实践

是一个强大的轻量级的网络入侵检测系统。它具有实时数据流量分析和日志IP 网络数据包的能力，能够进行协议分析，对内容进行搜索/匹配。它能够检测各种不同的攻击方式，对攻击进行实时报警。Snort 可以运行在*nix/Win32 平台上。

检测的网络入侵检测系统设计与实现.pdf 软件工程设计 全

网络入侵检测系统.docx

网络安全作业，里面附有说明

网络入侵检测系统(源码)，要毕业了，把做毕业设计用的资料拿出来与大家分享

本文算法为了求解网络入侵检测问题，主要使用有监督的Kohonen神经网络。有监督Kohonen神经网络的网络结构为38-36-5，网络训练结果受权值影响相当大。在算法初期，本文引入杂草算法对Kohonen网络进行权值寻优，目标评价以最小误差作为函数。