基于深度卷积神经网络的入侵监测分析

## **基于深度学习的网络入侵检测** ### 第一章：安装以及环境配置 #### 1.Pycharm安装 ``` 官网: https://www.jetbrains.com/pycharm/ ``` #### 2.Anaconda安装与配置 ``` 官网：https://www.anaconda.com/download#downloads 配置环境变量（按照自己的安装路径进行配置即可） D:\software\anaconda\install D:\software\anaconda\install\Scripts D:\software\anaconda\install\Library\bin D:\software\anaconda\install\Library\mingw-w64\bin ``` #### 3.Tensorflow安装 ``` 官网：https://tensorflow.google.cn/?hl=zh-cn 创建深度学习环境并命名为tf2，指定python版本为3.11: conda create --name tf2 python=3.11 Anaconda激活tf2环境: conda activate tf2 Anaconda退出激活环境: conda deactivate 安装Tensorflow并指定版本为2.15，使用豆瓣源进行加速 pip install tensorflow==2.15.0 -i https://pypi.douban.com/simple/ 安装scikit-learn，使用豆瓣源进行加速 pip install scikit-learn -i https://pypi.douban.com/simple/ ``` ### 第二章：代码讲解与运行调试 #### 0.数据集说明 ``` 数据集来源：通信安全机构(CSE)与加拿大网络安全研究所(CIC)合作项目 数据集名称：CSE-CIC-IDS2018 数据集英文原网址：https://www.unb.ca/cic/datasets/ids-2018.html 数据集介绍：数据集包含了网络流量的持续时间、数据包数量、字节数、数据包长度等83个统计特征。 实验数据集取部分数据包含以下六种攻击和一种正常流量数据并给定标签如下： 0 bot攻击 1 dos-slowhttptest攻击 2 Brute Force -Web攻击 3 Infitration攻击 4 DoS attacks-Slowloris攻击 5 DDOS attack-LOIC-UDP攻击 6正常流量数据 ``` #### 1.基于卷积神经网络的网络入侵检测（1DCNN、2DCNN） ``` 文件夹说明： data：数据集存放路径 save_picture/1DCNN:存放1DCNN的图片 save_picture/2DCNN:存放2DCNN的图片 model/1DCNN.h5: 保存的1DCNN模型文件 model/2DCNN.h5: 保存的2DCNN模型文件 code/1DCNN.py: 1DCNN代码运行文件 code/2DCNN.py: 2DCNN代码运行文件 code/preprocessing.py: 数据预处理文件 ```