基于时间窗口的洪水攻击流量捕获数据集
数据来源：互联网公开数据
标签：网络攻击,洪水攻击,时间窗口,数据预处理,机器学习,流量分析,DDoS,ICMP,UDP,TCP,HTTP
数据概述：
本数据集基于CTU-13、CIC-DDoS2019和CIC-DoS2017等公开数据集的PCAP文件，涵盖了多种洪水攻击类型（包括ICMP、UDP、TCP和HTTP洪水攻击）。数据通过将攻击流量按时间窗口重新分组，并提取特征以反映不同攻击模式的动态变化。时间窗口的长度根据攻击持续时间的可变性进行了调整，确保各类攻击流量在时间分布上的平衡性。
数据中的关键字段包括：
- PKT COUNT：每个时间窗口内的数据包数量，经过Scikit-learn的Standard Scaler进行标准化处理，以确保数值范围的统一性。
- PKT BYTE：每个时间窗口内的数据包总字节数，同样经过标准化处理。
数据集中的流量已被通过KMeans聚类算法进行标注，将正常流量与恶意流量区分开来，为后续的流量分类和攻击检测提供了明确的标签。
数据用途概述：
该数据集适用于网络安全研究，尤其是洪水攻击检测和流量异常分析。具体应用场景包括：
1. 网络攻击检测：研究人员可以利用此数据集训练机器学习模型，识别和区分正常流量与恶意流量，提升洪水攻击的检测准确率。
2. 流量模式分析：通过分析不同时间窗口内的特征变化，研究洪水攻击的动态行为，帮助揭示攻击模式和特征。
3. 模型优化：数据集经过标准化和标注处理，可以直接用于训练和验证基于时间窗口的流量分类模型，支持算法优化和性能评估。
4. 教育与研究：数据集提供了丰富的网络攻击样本，可用于网络安全领域的教育培训，帮助学习者理解和掌握洪水攻击的检测方法。
5. 实时监控系统：数据中的特征提取方法可为开发实时流量监测工具提供参考，提升对洪水攻击的实时响应能力。
