复杂业务行为建模与深度学习分析数据集

本数据集围绕复杂业务行为建模与深度学习分析技术构建，以真实网络业务行为及攻击行为为核心研究对象，通过流量采集、标准化预处理、特征提取与结构化标注等一系列规范化实验与数据加工方法，最终形成多源融合的复杂业务行为建模与深度学习数据集。数据时间维度覆盖公开数据集经典时段与自主采集生产时段（2022年-2025年），数据总量约142GB，时间精度达到数据包级；空间维度覆盖局域网与互联网混合环境，空间精度精准至主机与端口粒度，全面兼顾数据的时间与空间代表性。数据生产过程严格遵循标准化质量控制流程，依次经过采集清洗、去重脱敏、特征工程、分层标注、一致性校验等关键环节，确保数据质量可靠、规范可用。数据原始来源包括某船舶研究所在真实场景中采集加工形成的白名单正常通信、非法报文与非法协议、非法通信、横向渗透与重放攻击、流量带宽及特征异常、信息篡改共6类异常/攻击场景，以及2类综合场景数据源。在此基础上，通过流量生成式模型、行为仿真、特征增强与样本扩充等技术手段，最终生成业务行为规则训练测试、业务行为模式训练测试等数据集。本数据集可有效支撑业务行为画像构建、异常行为检测、恶意行为识别、深度学习模型训练与验证等各类研究与工程任务，为网络安全、业务风控、智能运维等相关领域，提供高质量、高可用、可复现的标注样本与基础数据支撑，助力相关技术的研发与落地应用。