这是加拿大网络安全研究所（UNB）的数据，该文件是一个csv文件格式，可以用excel打开，已经整理完成。方便研究者用于机器学习或深度学习，一共包含22.5w条记录。主要用于DDoS的检测。

UnB-DAK 鉴于我们小组的日常活动严重依赖模型转换，无论是来自 UML 还是任何其他模型描述语言，因此非常需要一个库的存在来减少开发依赖于此类操作的工具的开销。 因此，该项目试图提供我们未来执行模型转换例程的项目所需的基础设施和功能。 在软件工程术语中，这种项目通常被称为软件开发工具包，因为它的目标不是最终​​用户，而是开发人员自己。 因此，名称： UnB 可靠性分析软件开发工具包（简称UnB-DAK ）。 如何贡献 1 - 编码、构建和分发 对于构建和依赖项管理，我们使用 Gradle ( )，它融合了来自ant和maven的更好的世界，基于 Groovy 的简单函数式、类型化脚本语言。 因此，对于初学者来说，建议在机器和 eclipse（或 IntelliJ）上都安装 gradle，尽管机器不是必需的，因为该项目已经附带了命令行工具gradlew （或gradlew.bat

在CIRA-CIC-DoHBrw-2020数据集中，采用了两层方法来捕获良性和恶意DoH流量以及非DoH流量。要生成代表性数据集，请访问前10k个Alexa网站，并分别使用支持DoH协议的浏览器和DNS隧道工具来生成HTTPS（良性DoH和非DoH）和DoH流量。在第一层，通过使用统计特征分类器将捕获的流量分为DoH和非DoH。在第二层，使用时间序列分类器将DoH流量分为良性DoH和恶意DoH。