# 1. 环境搭建
- Python 3.6.8
```
pip install numpy==1.16.2 pandas==0.24.2 scipy==1.2.1 datetime==4.3 h5py==2.9.0 matplotlib==3.1.1 scikit-learn==0.20.3 tensorflow==1.14
```
# 2. 使用
1. `preprocessing1.py` 和 `preprocessing2.py` 用于从netflow中提取有用的特征
2. `feature_extraction.py` 和 `pca_tsne.py` 用于减少特征的数量和特征降维。
3. `predict_random_forest_bootstrap.py` 和 `predict_svm.py` 用随机森林和支持向量机来检测恶意攻击。
4. `predict_gradient_boosting_stat_analysis.py`, `predict_logistic_reg_stat_analysis.py`, `predict_neural_network_stat_analysis.py` and `predict_statistic_analysis_bootstrap.py` 对比不同的分类器的效果
# 3. 结果
实验表明随机森林可以实现检测8/13的僵尸网络,并且准确率在95%。
# 4. 参考
[Cyber Attack Detection thanks to Machine Learning Algorithms](https://arxiv.org/abs/2001.06309)
没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
收起资源包目录
基于随机森林和SVM的僵尸网络检测内含流量数据集和预训练模型.zip (40个子文件)
基于随机森林和SVM的僵尸网络检测内含流量数据集和预训练模型
dataprocess
feature_extraction.py 14KB
preprocessing1.py 4KB
preprocessing2.py 3KB
pca_tsne.py 3KB
.idea
workspace.xml 6KB
misc.xml 194B
Cyberattack-Detection.iml 483B
inspectionProfiles
profiles_settings.xml 174B
modules.xml 294B
.gitignore 47B
datasets
binetflow
capture20110810.binetflow 368.72MB
capture20110811.binetflow 235.78MB
capture20110812.binetflow 610.01MB
capture20110815-3.binetflow 250.5MB
capture20110815-2.binetflow 16.94MB
pcaps
outp2ut.binetflow 454B
botnet-capture-20110815-fast-flux.pcap 29.51MB
botnet-capture-20110811-neris.pcap 34.58MB
botnet-capture-20110819-bot.pcap 281.24MB
output.binetflow 454B
botnet-capture-20110815-fast-flux-2.pcap 109.26MB
botnet-capture-20110810-neris.pcap 55.57MB
botnet-capture-20110816-donbot.pcap 5.04MB
botnet-capture-20110812-rbot.pcap 122.62MB
botnet-capture-20110816-sogou.pcap 17.99MB
botnet-capture-20110816-qvod.pcap 20.38MB
botnet-capture-20110815-rbot-dos.pcap 212.08MB
preprocess_data
data_window_botnet3_labels3.npy 436B
data_window_botnet3_labels.npy 436B
data_window_botnet3_id.npy 28.9MB
data_window3_botnet3.h5 67.96MB
data_window_botnet3_id3.npy 28.9MB
data_window_botnet3.h5 373.76MB
model
predict_neural_network_stat_analysis.py 6KB
predict_svm.py 6KB
predict_statistic_analysis_bootstrap.py 3KB
predict_gradient_boosting_stat_analysis.py 3KB
predict_random_forest_bootstrap.py 3KB
predict_logistic_reg_stat_analysis.py 4KB
document
README.md 918B
共 40 条
- 1
资源评论
- m0_750967382024-04-14资源值得借鉴的内容很多,那就浅学一下吧,值得下载!
小码蚁.
- 粉丝: 2520
- 资源: 4067
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- Picasso_v3.1 2.ipa
- chromedriver-mac-arm64.zip
- 蓝zapro.apk
- chromedriver-linux64.zip
- UCAS研一深度学习实验-MNIST手写数字识别python源码+详细注释(高分项目)
- 基于Python和PyTorch框架完成的一个手写数字识别实验源码(带MINIST手写数字数据集)+详细注释(高分项目)
- 基于Matlab在MNIST数据集上利用CNN完成手写体数字识别任务,并实现单层CNN反向传播算法+源代码+文档说明(高分项目)
- NVIDIA驱动、CUDA和Pytorch及其依赖
- 基于SVM多特征融合的微表情识别python源码+项目说明+详细注释(高分课程设计)
- html动态爱心代码一(附源码)
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功