网络攻击检测测试数据集NetworkAttackDetectionTestingDataset-ahmedesammohammed
数据来源：互联网公开数据
标签：网络安全, 入侵检测, 流量分析, 攻击分类, 机器学习, 数据挖掘, 特征工程, UNSW-NB15
数据概述：
该数据集包含来自UNSW-NB15数据集的测试集数据，记录了网络流量的详细特征，用于评估网络攻击检测模型的性能。主要特征如下：
时间跨度：数据未明确标明时间，通常被视为静态数据集，用于模型训练和测试。
地理范围：数据来源于模拟的网络环境，旨在模拟各种网络攻击场景，不限定特定地理位置。
数据维度：数据集包含多个维度，涵盖网络流量的多种特征，包括：
基本网络特征：如持续时间（dur）、协议（proto）、服务（service）、状态（state）等。
数据包统计：如源和目的端的数据包数量（spkts, dpkts）、字节数（sbytes, dbytes）等。
速率与负载：如速率（rate）、源和目的端负载（sload, dload）等。
时延与抖动：如源和目的端抖动（sjit, djit）等。
TCP相关特征：如TCP窗口大小（swin, dwin）、TCP连接建立时间（tcprtt）等。
连接特征：如CT_SRV_SRC, CT_STATE_TTL, CT_DST_LTM等连接相关统计特征。
攻击相关特征：is_ftp_login, ct_ftp_cmd, ct_flw_http_mthd等。
标签：攻击类别（attack_cat）和二元标签（label，0代表正常，1代表攻击）。
数据格式：CSV格式，文件名为UNSW_NB15_testing-set.csv，包含多个字段。
数据来源：源于UNSW-NB15数据集，该数据集是为评估入侵检测系统（IDS）而设计的。
数据用途概述：
该数据集具有广泛的应用潜力，特别适用于以下场景：
研究与分析：适用于网络安全、机器学习和数据挖掘领域的学术研究，如攻击检测算法的评估、特征重要性分析等。
行业应用：为安全行业提供数据支持，可用于构建和优化入侵检测系统（IDS）、异常检测系统等。
决策支持：用于评估网络安全策略的有效性，并为安全防护提供数据支撑。
教育和培训：作为网络安全和机器学习课程的实训数据，帮助学生和研究人员理解攻击检测的原理和方法。
此数据集特别适合用于评估和比较不同攻击检测模型的性能，识别网络流量中的异常行为，并提升对网络攻击的防御能力。
