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

# 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)