物联网网络流量入侵检测数据集-2024-wittigenz
数据来源：互联网公开数据
标签：物联网,网络流量,入侵检测,IDS,数据集,安全,恶意流量,合法流量,网络安全
数据概述：
本数据集包含从20次恶意网络流量捕获和3次实时合法网络流量捕获中收集的子集数据，数据来源于物联网（IoT）设备。该数据集主要用于开发和评估面向物联网设备的入侵检测系统（IDS）。尽管数据集不平衡，但仍为识别物联网网络中的恶意活动提供了宝贵的见解。数据集包含23,000多行数据，并已去除重复项以提高清晰度和效率。
数据特征：
数据集从数据创建者执行的Zeek处理中提取了六个关键特征，这些特征对于构建IDS模型至关重要：
- 响应者端口（id.resp_p）：表示网络连接中响应者的端口号，以整数表示。
- 传输层协议（proto）：指示连接中使用的传输层协议，可能的值包括TCP、UDP或ICMP（但在本子集中仅包含TCP和UDP）。该特征以字符串形式存储。
- 连接状态（conn_state）：描述连接的状态，使用各种指示符（如S0、S1、SF、REJ等）。此特征为可选字段，以字符串形式存储。
- 发起者发送的数据包数量（orig_pkts）：表示连接中发起者发送的数据包数量。此特征为可选整数。
- 发起者发送的IP层字节数（orig_ip_bytes）：指示发起者发送的IP层字节数。此特征为可选整数。
- 响应者发送的IP层字节数（resp_ip_bytes）：表示连接中响应者发送的IP层字节数。此特征以整数形式存储。
目标标签：
该数据集适用于二分类任务，特别是区分恶意和合法流量。目标标签由'标签'特征表示，指示数据点对应的是恶意活动还是合法活动。该特征以字符串形式存储，包含枚举值：'恶意'或'合法'。
数据预处理建议：
鉴于数据集缺乏平衡的样本表示和详细的采样选择标准，在构建模型之前必须对数据进行预处理。为了确保最佳实践和模型的泛化能力，应考虑进行数据平衡、特征缩放和可能的特征工程。将此数据集作为模型的初步处理步骤，然后再利用完整数据集训练面向物联网设备的IDS模型。
