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！

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

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。

入侵检测NSL-KDD的数据集，包括训练集和测试集，已经划分好的百分之二十的训练测试集。有txt和arff两种格式的文件

KDD99:该数据集是从一个模拟的美国空军局域网上采集来的9个星期的网络连接数据,分成具有标识的训练数据和未加标识的测试数据。测试数据和训练数据有着不同的概率分布,测试数据包含了一些未出现在训练数据中的攻击类型,这使得入侵检测更具有现实性。 NSL-KDD:是KDD '99数据集的改进

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。