物联网恶意流量检测分析数据集IoTMaliciousTrafficDetectionAnalysisDataset-phenomenalsagar
数据来源：互联网公开数据
标签：物联网, 网络安全, 流量分析, 恶意检测, 数据包, 协议分析, 机器学习, 异常检测
数据概述：
该数据集包含来自 RT-IoT2022 场景下的网络流量数据，记录了物联网设备产生的网络通信信息，主要用于恶意流量的检测与分析。主要特征如下：
时间跨度：数据未明确标示具体时间，可视为静态流量快照。
地理范围：数据来源于物联网设备产生的网络流量，未限定具体地理位置。
数据维度：数据集包括多种网络流量特征，如：
no：序号。
idorig_p：源端口。
idresp_p：目标端口。
proto：传输层协议。
service：应用层服务。
flow_duration：流持续时间。
fwd_pkts_tot：正向数据包总数。
bwd_pkts_tot：反向数据包总数。
fwd_data_pkts_tot：正向数据包总数（数据包）。
bwd_data_pkts_tot：反向数据包总数（数据包）。
fwd_pkts_per_sec：正向包速率（每秒）。
bwd_pkts_per_sec：反向包速率（每秒）。
flow_pkts_per_sec：流包速率（每秒）。
down_up_ratio：下载/上传比率。
fwd_header_size_tot：正向报头总大小。
fwd_header_size_min：正向报头最小大小。
fwd_header_size_max：正向报头最大大小。
bwd_header_size_tot：反向报头总大小。
bwd_header_size_min：反向报头最小大小。
bwd_header_size_max：反向报头最大大小。
flow_FIN_flag_count：FIN标志位数量。
flow_SYN_flag_count：SYN标志位数量。
flow_RST_flag_count：RST标志位数量。
fwd_PSH_flag_count：正向 PSH 标志位数量。
bwd_PSH_flag_count：反向 PSH 标志位数量。
flow_ACK_flag_count：ACK 标志位数量。
fwd_URG_flag_count：正向 URG 标志位数量。
bwd_URG_flag_count：反向 URG 标志位数量。
flow_CWR_flag_count：CWR 标志位数量。
flow_ECE_flag_count：ECE 标志位数量。
fwd_pkts_payloadmin：正向包载荷最小值。
fwd_pkts_payloadmax：正向包载荷最大值。
fwd_pkts_payloadtot：正向包载荷总和。
fwd_pkts_payloadavg：正向包载荷平均值。
fwd_pkts_payloadstd：正向包载荷标准差。
bwd_pkts_payloadmin：反向包载荷最小值。
bwd_pkts_payloadmax：反向包载荷最大值。
bwd_pkts_payloadtot：反向包载荷总和。
bwd_pkts_payloadavg：反向包载荷平均值。
bwd_pkts_payloadstd：反向包载荷标准差。
flow_pkts_payloadmin：流载荷最小值。
数据格式：CSV格式，文件名为 RT_IOT2022.csv，便于数据分析和建模处理。
该数据集适用于网络流量分析、恶意行为检测、异常流量识别等多种研究场景。
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、物联网安全领域的学术研究，例如恶意软件检测、异常流量分析、基于流量特征的攻击识别等。
行业应用：为物联网安全行业提供数据支持，尤其适用于入侵检测系统（IDS）、安全信息和事件管理（SIEM）系统的模型训练与测试。
决策支持：支持物联网设备的安全风险评估，以及安全策略的制定和优化。
教育和培训：作为网络安全、物联网安全课程的实训数据，帮助学生和研究人员深入理解物联网流量特征，学习恶意流量检测方法。
此数据集特别适合用于探索物联网恶意流量的特征规律，构建高效的恶意行为检测模型，提高物联网设备的安全防护能力。
