NSL-KDD 入侵检测数据集.rar

网络安全经典数据集NSL-KDD是在原有KDD99的基础上产生的，删除了部分无用数据，可以更好的用于验证网络入侵检测算法的性能！

对NSL-KDD数据进行分类 使用lstm神经网络

泥石流bvhnm

包含：KDDTrain+.ARFF、KDDTrain+.TXT、KDDTrain+_20Percent.ARFF、KDDTrain+_20Percent.TXT、KDDTest+.ARFF、KDDTest+.TXT、KDDTest-21.ARFF、KDDTest-21.TXT

包含完整代码、含有部分注释，亲测好用

NSL-KDD数据集是KDD99数据集的改进，可以作为有效地基准数据集，各机器学习算法可以在NSL-KDD数据集上进行入侵检测实验。 NSL-KDD数据集是KDD 99数据集的改进： 1、NSL-KDD数据集的训练集中不包含冗余记录，所以分类器不会偏向更频繁的记录； 2、NSL-KDD数据集的测试集中没有重复的记录，使得检测率更为准确。 3、来自每个难度级别组的所选记录的数量与原始KDD数据集中的记录的百分比成反比。结果，不同机器学习方法的分类率在更宽的范围内变化，这使得对不同学习技术的准确评估更有效。 4、训练和测试中的记录数量设置是合理的，这使得在整套实验上运行实验成本低廉而无需随机选择一小部分。因此，不同研究工作的评估结果将是一致的和可比较的。

入侵检测数据集、KDD数据集、处理好的arff格式，网络安全数据集

Python火 （不要与pyfire混淆， pyfire并且是实际有用的软件） 用 Python 编写的模糊入侵检测引擎。 对于硕士任务； 摄取类似于 NSL-KDD 数据集的数据集。 这是最初由 Dickerson 等人设计的的重新实现。 阿尔。 由于时间限制，这是一个离线系统，必须先进行训练，然后使用静态数据文件进行测试。 它支持数据集和/或任何格式相同的数据集。 NSL-KDD 是原始数据的修改版本，在网络入侵检测研究中很流行。 与原始 KDD-Cup 数据相比，NSL-KDD 声称可以提高所有测试机器学习算法的误报率。 此代码在其版本中接受 NSL-KDD 数据，这比逗号分隔值 (CSV) 更具表现力。

用于机器学习入侵检测的数据集，NSL_KDDNSL-KDD 这是KDD数据的改进版。进行网络入侵检测的研究生人员可以下载。