基于动态图神经网络的异常流量检测方法.zip资源-CSDN文库

共138个文件

py：60个

pyc：56个

pt：8个

版权申诉

128 浏览量 2024-04-12 11:27:19 上传评论收藏 33.61MB ZIP 举报

资源推荐

资源详情

资源评论

收起资源包目录

基于动态图神经网络的异常流量检测方法.zip （138个子文件）

rgcn-o-osvm.csv 223B

rgcn-sum-mean.csv 207B

rgcn-2018.csv 206B

uci.json 3KB

launch.json 480B

extensions.json 29B

cic2018train.log 54KB

README.md 1KB

nohup.out 19.96MB

nx.png 97KB

train_loss.png 16KB

graph_embs.pt 4.4MB

model.pt 1.82MB

model.pt 187KB

model.pt 138KB

model.pt 82KB

model.pt 54KB

model.pt 45KB

data_process.py 23KB

vgrnn.py 22KB

dynAE.py 18KB

data_process.py 17KB

timers.py 17KB

data_process.py 15KB

train_test.py 15KB

data_process.py 15KB

data_process.py 12KB

gin.py 11KB

pgnn.py 11KB

read_data.py 10KB

models.py 9KB

sage.py 8KB

graph.py 8KB

gat.py 7KB

train.py 7KB

utils.py 7KB

dynGEM.py 6KB

egcn.py 6KB

utils.py 6KB

models.py 6KB

layers.py 6KB

helper.py 6KB

egcn_o.py 5KB

main.py 5KB

egcn_h.py 5KB

metrics.py 5KB

gcn.py 5KB

main.py 5KB

AE.py 5KB

load_graph.py 4KB

main.py 4KB

layers.py 4KB

intrusion_detection.py 3KB

intrusion.py 3KB

structure_generation.py 3KB

gcn_lstm.py 3KB

__init__.py 3KB

gcrn.py 2KB

random_walk.py 2KB

dynAERNN.py 2KB

dynRNN.py 2KB

dgi.py 2KB

main.py 2KB

walk_generation.py 2KB

gcn.py 1KB

util.py 1021B

discriminator.py 929B

logreg.py 565B

readout.py 456B

__init__.py 94B

text.py 12B

__init__.py 0B

vgrnn.cpython-37.pyc 19KB

data_process.cpython-37.pyc 17KB

data_process.cpython-37.pyc 14KB

dynAE.cpython-37.pyc 12KB

data_process.cpython-37.pyc 12KB

train_test.cpython-37.pyc 11KB

train_test.cpython-37.pyc 10KB

data_process.cpython-37.pyc 10KB

timers.cpython-37.pyc 9KB

data_process.cpython-37.pyc 8KB

gin.cpython-37.pyc 8KB

pgnn.cpython-37.pyc 8KB

read_data.cpython-37.pyc 8KB

utils.cpython-37.pyc 7KB

sage.cpython-37.pyc 7KB

models.cpython-37.pyc 7KB

gat.cpython-37.pyc 7KB

utils.cpython-37.pyc 6KB

models.cpython-37.pyc 6KB

gcn_lstm_models.cpython-37.pyc 6KB

共 138 条

# 基于动态图神经网络的异常流量检测方法DyGCN 论文成果：DyGCN.pdf ## 实验数据集 CIC-IDS 2017：https://www.unb.ca/cic/datasets/ids-2017.html CSE-CIC-IDS 2018: https://www.unb.ca/cic/datasets/ids-2018.html 将下载的数据集放在 `/data` 目录下。对于CSE-CIC-IDS 2018数据集，只使用“Thuesday-20-02-2018_TrafficForML_CICFlowMeter.csv”这一天的数据，因为其他数据文件不包含IP，无法建图。动态图模型的作用在于进行子图嵌入，子图嵌入的结果可以用异常检测模型进行异常判断。其他对比模型的代码在`/compare_models`目录下 ## 模型训练基于cic2017数据集进行模型训练 python DyGCN/main.py --mode train --ck_path DyGCN/savedmodel/model.pt --embs_path DyGCN/data/graph_embs.pt --dataset data/cic2017 ## 模型测试基于cic2017数据集进行模型测试 python DyGCN/main.py --mode test --ck_path DyGCN/savedmodel/model.pt --embs_path DyGCN/data/graph_embs.pt --dataset data/cic2017 ## 异常检测基于模型图嵌入结果进行异常检测 python DyGCN/intrusion_detection.py --dataset cic2017

评论收藏

内容反馈

版权申诉