1.快速了解NSLKDD数据集NSL-KDD数据集是著名的KDD’99数据集的修订版本,该数据集由四个子数据集组成:KDDTest+、KDDTest-21、KDDTrain+、KDDTrain+_20Percent。其中KDDTest-21 和 KDDTrain+_20Percent 是 KDDTrain+ 和 KDDTest+ 的子集。数据集每条记录包含 43 个特征,其中 41 个特征指的是流量输入本身,最后两个是标签(正常或攻击https://blog.csdn.net/airenKKK/article/details/124619217

2.KDD99数据集与NSLKDD99数据集与NSL-KDD数据集介绍 摘要 这一部分会介绍一下KDD99数据集,包括NSL-KDD数据集,整理一些自己使用过的资料。 文章目录(Table of Contents) 入侵检测介绍 IDS : intrusion detection system, 入侵检测系统, 常用的方法有基于 anomaly detection 和Misuse detection.https://mathpretty.com/10244.html

3.深度学习机器学习用神经网络进行入侵检测,NSL数据集介绍 输入的41个特征 输出的含义 数据处理&&训练技巧 建神经网络,输入41个特征,输出是那种类别的攻击 模型训练 模型推理 写gradio前端界面,用户自己输入41个特征,后端用模型推理计算后显示出是否是dos攻击。 使用方法: 获取代码和模型 【深度学习】用神经网络进行入侵检测,NSL-KDD数据集,用TCP连接特征判断是否http://www.mzph.cn/news/774862.shtml

4.NSLKDD数据集NSL_KDD数据集评分: 用于机器学习入侵检测的数据集,NSL_KDDNSL-KDD 这是KDD数据的改进版。进行网络入侵检测的研究生人员可以下载。 NSL_KDD2018-05-03 上传大小:23.00MB 所需:39积分/C币 NSL-KDD数据集各文件下载 包含:KDDTrain+.ARFF、KDDTrain+.TXT、KDDTrain+_20Percent.ARFF、KDDTrain+_20Percent.TXT、https://www.iteye.com/resource/xiqianwei7030-10389510

5.nslkdd数据集GitHubJehuty4949/NSLKDD:NSLNSL-KDD Dataset. Contribute to Jehuty4949/NSL_KDD development by creating an account on GitHub.https://github.com/defcom17/NSL_KDD

6.NSLKDD数据集Gale2020-11-0816219CC-BY-SA-NC 4.0 描述 NSL-KDD数据集 数据列表 数据名称上传日期大小下载 KDDTrain+.csv2020-11-0818.22MB KDDTest+.csv2020-11-083.28MB 文档 目录https://tianchi.aliyun.com/dataset/82644/

7.在NSL在NSL-KDD数据集上的组内对比 2024, 50(5): 543-557. 模型异构的联邦学习入侵检测 .https://journal.bjut.edu.cn/bjgydxxb/supplement/c75cec30-04ad-4a46-8446-f3505612af28

8.基于NSL朱平哲 三门峡职业技术学院信息传媒学院,三门峡,472000 在线阅读 下载 引用 收藏 分享 打印 摘要:针对物联网中设备和服务存在的潜在安全隐患,对入侵检测过程中的若干种特征选择方法进行比较研究.基于NSL-KDD数据集,以跨行业数据挖掘标准流程(Cross-Industry Standard Process for Data Mining,简称"CRISP DM")为主要研究https://d.wanfangdata.com.cn/periodical/ntfzzyjs201903005

9.基于深度学习的入侵检测系统综述AET3.2 NSL-KDD 数据集 为了使深度学习算法在 KDD Cup99 上更好地工作,研究人员在 2000 年基于 KDD Cup99 数据集创建了 NSL-KDD[4] 数据集。该数据集删除了 KDD Cup99 中重复的记录,减少了数据量。NSL-KDD 包含了 KDD Cup99 数据集的基本记录和数据特性,识别的攻击类别都和 KDD Cup99数据集一样。但有以http://www.chinaaet.com/article/3000137515

10.深度学习在SDN中的应用研究文献[15]使用深度全连接神经网络实现了一个SDN网络入侵检测应用,所用数据集为NSL-KDD dataset,从41个特征中选取其中6个,即duration,protocol_type,src_bytes,dst_bytes,count,srv_count,含义分别是:连接的持续时间,协议类型,从源到目的的字节数,从目的到源的字节数,在过去两秒钟连接到同一个主机的连接数,在过去https://www.fx361.com/page/2019/0119/12319708.shtml

11.用于异常检测的网络流量特性分析3.1 NSL-KDD数据集 我们知道,由于网络、流量配置和攻击的多样性,任何网络流量数据集的代表性都可能受到质疑。所以找到合适的标签数据集是很困难的。许多已发表的异常检测和特征选择建议仍然使用DARPA ' 98和KDD ' 99CUP,尽管这些数据集的古老性和强大的,广泛的批评家建议不要使用这些数据集(McHugh 2000)。在这项https://www.jianshu.com/p/a0418daa6bb7

12.6.基于机器学习的入侵检测和攻击识别——以KDDCUP99数据集为KDD Cup 1999数据集: 是KDD知识发现和数据挖掘会议的比赛数据集,主要为军事网络环境中模拟的多种入侵,是入侵检测应用的常用数据集,后续衍生出NSL-KDD。建议读者结合论文和官网数据集进行分析: https://www.unb.ca/cic/datasets/nsl.html 数据文件包括: https://www.huoban.com/news/post/19490.html

13.NSLKDD数据集NSL_KDD数据集-其它其他资源Ni**ri 上传23.59 MB 文件格式 zip NSL_KDD 用于机器学习入侵检测的数据集,NSL_KDDNSL-KDD 这是KDD数据的改进版。进行网络入侵检测的研究生人员可以下载。点赞(0) 踩踩(0) 反馈 所需:3 积分 电信网络下载 如何在Java中实现微服务的API文档代码质量分析 2024-12-19 18:02:44 https://www.coder100.com/index/index/content/id/919511

14.基于异常的入侵检测方法,你学会了吗?文献[3]利用NSL-KDD数据集对ID3、C4.5、CART、REP Tree 和 Decision Table五种决策树算法进行对比研究。结果表明,C4.5算法效果最好,分类准确率达到99.56%,并且当使用信息增益特征选择技术时,其精度达到99.68%。然而,由于该文献仅选择NSL-KDD训练集,并使用保留方法而不是NSL-KDD测试集进行测试,因此很难测试该算法https://www.51cto.com/article/782493.html

15.轩辕实验室基于深度学习的多Agent入侵检测系统上海控安51fusa然后,将该学习到的表示应用于标签数据以进行分类。在他们提出的模型中,已实现的STL由用于UFL的稀疏自动编码器和用于分类的soft max回归(SMR)组成。他们在NSL KDD数据集上验证了模型的性能。他们的方法基于使用单独的数据集进行培训和测试。进行了稀疏自动编码器(建议的STL)之前的SMR分类器与作为单个分类器的SMR之间https://www.51fusa.com/client/information/informationdetail/id/926.html