概率论数值实验报告-处理KDD99数据集 (1).docx

处理KDD99数据集

kdd99-scikit scikit-learn使用决策树（CART）和多层感知器解决kdd99数据集的解决方案 Kdd99数据集简介 是建立一个网络入侵检测器，这是一种能够区分“不良”连接（称为入侵或攻击）和“良好”正常连接的预测模型。 请注意，测试数据并非与训练数据具有相同的概率分布，并且包括不在训练数据中的特定攻击类型。 训练数据快照（ raw/kddcup.data_10_percent.txt ）： 0,tcp,http,SF,181,5450,0,0,0,0,0,1,0,0,0,0,0,0,0,0,0,0,8,8,0.00,0.00,0.00,0.00,1.00,0.00,0.00,9,9,1.00,0.00,0.11,0.00,0.00,0.00,0.00,0.00,normal. 0,tcp,http,SF,239,486,0,0,0,0,0,1,0,0,0,0,0,0,0,0,0,0,8,8,0.00,0.00,0.00,0.00,1.00,0.00,0.00,19,19,1.00,0.00,0.05,0.00,0.00,0.00,0.00,0.00,norm

基于Tensorflow用CNN（卷积神经网络）处理kdd99数据集，代码包括预处理代码和分类代码，准确率99.6%以上，并且快速收敛至最优值。 (Based on Tensorflow (convolutional neural network) processing KDD99 data set based on CNN, the code includes preprocessing code and classification code, the accuracy rate is more than 99.6%, and quickly converge to the optimal value.)

网络流量数据集，有dos,u2r,r21,probe等类行攻击，web安全方向的机器学习中用得到

kdd99ml 使用kdd99数据集的SciKit ML算法演示 基于Charanpal Dhanjal的工作 所使用的数据集是KDD Cup 99数据集 要下载数据集： 下载具有以下内容的KDD Cup 99数据集： wget 要么 wget 并解压缩。 第一个约占740MBytes，第二个约占71MBytes。 如果您使用较小的数据集，请在代码中调整文件名：raw_data_filename = data_dir +“ kddcup.data”更改为raw_data_filename = data_dir +“ kddcup.data_10_percent” 使用pyt

亲测好用 基于Tensorflow用CNN（卷积神经网络）处理kdd99数据集，代码包括预处理代码和分类代码，准确率99.6%以上，并且快速收敛至最优值。 (Based on Tensorflow (convolutional neural network) processing KDD99 data set based on CNN, the code includes preprocessing code and classification code, the accuracy rate is more than 99.6%, and quickly converge to the optimal value.)

将KDD99数据集中的符号性变成数值化，编程语言是Python; KDD数据集的每条连接记录是有38个数字特征和3个符号型特征组成，要相对数据进行处理首先要进行数据的标准化。符号型特征数值化。采用属性映射的方法

压缩包里有TXT和arff两种格式数据均已处理完毕，也可以将数据转为其他格式，用于学习入侵检测和网络态势感知的仿真挺不错，可以直接用weka进行简单的分类预测。

采用python进行特征归一化处理的kdd99数据集。采用的是包含了百分之10的那个数据子集处理的