Intrusion-Detection-on-NSL-KDD-master_lstm分类_NSL-KDD_NSL-KDDlstm

# Intrusion-Detection-on-NSL-KDD 本项目复现论文《An Intrusion Detection System Using a Deep Neural Network with Gated Recurrent Units》（DOI：10.1109/ACCESS.2018.DOI） **注意本人不是论文原作者！** **Note that I am not the original author of the paper!** 代码基于Keras编写。 ### 基于Docker的配置（非必须） 使用Docker： https://hub.docker.com/r/gw000/keras 对应tag：:2.1.4-py3-tf-gpu 转换为本地docker：keras-py3-tf-gpu:2.1.4 CPU： `$ docker run -it --rm -v $(pwd):/srv gw000/keras:2.1.4-py3-tf-gpu /srv/run.py` GPU：(数据集较小，不需要） `$ docker run -it --rm $(ls /dev/nvidia* | xargs -I{} echo '--device={}') $(ls /usr/lib/*-linux-gnu/{libcuda,libnvidia}* | xargs -I{} echo '-v {}:{}:ro') -v $(pwd):/srv gw000/keras:2.1.4-py3-tf-gpu /srv/run.py` ### 数据集： NSL_KDD:（见NSL-KDD目录） https://www.unb.ca/cic/datasets/nsl.html 可以参考这篇介绍文章： https://towardsdatascience.com/a-deeper-dive-into-the-nsl-kdd-data-set-15c753364657 ### 使用方法（Usage）： `python3 run.py` 请注意确保tensorflow、sklearn、keras、numpy等依赖均已安装。另外，运行`test_keras.py`可以测试Keras工作是否正常，运行`check_tf_version.py`可以测试tensorflow版本，当前运行版本为1.5.0。*utils.ipynb是jupyter文档，用于开发过程中的实验环境。* ### 实验结果： 20个Epoch情况下，Accuracy为98%+，使用Dropout后略低(96%)。 **如有任何问题，可以邮件联系：heyu#bupt.edu.cn。论文中的问题请联系论文原作者。**