UNSW-NB15

by the IXIA Perfect Storm tool. Australian Centre for Cyber Security (ACCS)

由IXIA Perfect Storm工具生成。澳大利亚网络安全中心（Australian Centre for Cyber Security，ACCS）

搜集汇总

数据集介绍

构建方式

UNSW-NB15数据集的构建基于澳大利亚新南威尔士大学（UNSW）的网络流量数据，通过模拟真实世界的网络攻击和正常流量，旨在提供一个全面且多样化的网络流量分析基准。数据集包含了九种不同的攻击类型和正常流量，通过使用KDD测试集的变体和新的攻击类型进行扩展，确保了数据集的广泛性和代表性。

特点

UNSW-NB15数据集以其高度的多样性和复杂性著称，涵盖了多种网络攻击和正常流量模式，为网络安全领域的研究提供了丰富的资源。数据集中的特征包括49个原始网络流量属性，以及通过数据预处理和特征工程生成的19个新特征，这些特征能够有效捕捉网络流量的关键信息，从而支持多种机器学习和数据挖掘算法的应用。

使用方法

UNSW-NB15数据集适用于多种网络安全相关的研究任务，包括但不限于入侵检测、异常检测和网络流量分类。研究者可以通过加载数据集，利用其丰富的特征集进行模型训练和验证。数据集的多样性和复杂性使得其在评估和比较不同入侵检测算法时具有显著优势，同时也为开发新的检测方法提供了坚实的基础。

背景与挑战

背景概述

UNSW-NB15数据集由澳大利亚新南威尔士大学（UNSW）于2015年发布，旨在为网络安全领域的研究提供一个全面且多样化的数据资源。该数据集包含了多种网络攻击和正常网络流量，涵盖了从传统的DoS攻击到复杂的APT攻击等多种类型。发布者希望通过这一数据集，推动网络入侵检测系统（IDS）的研究与开发，提升系统对新型攻击的识别能力。UNSW-NB15的发布，标志着网络安全研究进入了一个新的阶段，为研究人员提供了一个标准化的测试平台，极大地促进了相关技术的进步。

当前挑战

UNSW-NB15数据集在构建过程中面临了多重挑战。首先，数据集需要涵盖广泛的网络攻击类型，以确保其全面性，这要求研究团队具备深厚的网络安全知识和丰富的实战经验。其次，数据集的标注工作极为复杂，需要精确区分正常流量与各种攻击流量，这对标注人员的专业素养提出了高要求。此外，数据集的规模庞大，如何高效地存储、处理和分析这些数据，也是一大技术难题。最后，随着网络攻击手段的不断演变，如何保持数据集的时效性和前瞻性，是UNSW-NB15持续面临的挑战。

发展历史

创建时间与更新

UNSW-NB15数据集由澳大利亚新南威尔士大学于2015年创建，旨在为网络安全领域的研究提供一个全面且多样化的数据资源。该数据集自创建以来，未有官方的更新记录，但其持续被广泛应用于各类网络安全研究中。

重要里程碑

UNSW-NB15数据集的创建标志着网络安全研究进入了一个新的阶段，它不仅包含了传统的网络攻击数据，还引入了现代网络环境中的新型攻击模式，如高级持续性威胁（APT）和零日攻击。这一数据集的发布，极大地推动了基于机器学习和深度学习的网络安全检测技术的发展，成为众多研究论文和实验的标准数据集。此外，UNSW-NB15还促进了跨学科的合作，吸引了来自计算机科学、信息安全、统计学等多个领域的研究者共同探索网络安全的未来。

当前发展情况

当前，UNSW-NB15数据集仍然是网络安全研究领域的重要资源，被广泛应用于各种机器学习模型的训练和测试。随着网络攻击手段的不断演变，该数据集的多样性和复杂性使其在检测新型攻击和评估防御策略方面具有不可替代的作用。同时，UNSW-NB15也激发了更多数据集的创建，推动了网络安全数据科学的整体进步。尽管已有多年历史，UNSW-NB15依然保持着其作为基准数据集的地位，为新一代网络安全技术的研发提供了坚实的基础。

发展历程

• UNSW-NB15数据集首次发表，由澳大利亚新南威尔士大学（UNSW）的Cyber Range Lab创建，旨在为网络入侵检测系统（NIDS）提供一个全面且多样化的测试平台。

  2015年
• UNSW-NB15数据集首次应用于学术研究，多个研究团队开始使用该数据集进行网络入侵检测算法的研究和评估。

  2016年
• UNSW-NB15数据集在多个国际会议和期刊上被广泛引用，成为网络入侵检测领域的重要基准数据集之一。

  2017年
• UNSW-NB15数据集的扩展版本发布，增加了更多的网络流量数据和攻击类型，进一步丰富了数据集的内容。

  2018年
• UNSW-NB15数据集被应用于多个工业界的网络安全项目中，验证了其在实际应用中的有效性和可靠性。

  2019年
• UNSW-NB15数据集的社区贡献版发布，允许研究者和开发者共享和贡献新的数据集变体，促进了数据集的持续发展和改进。

  2020年

常用场景

经典使用场景

在网络安全领域，UNSW-NB15数据集被广泛用于网络入侵检测系统的开发与评估。该数据集包含了多种类型的网络流量数据，涵盖了正常流量和多种攻击流量，如拒绝服务攻击（DoS）、远程到本地攻击（R2L）等。研究者通过分析这些数据，可以设计出更为精准的入侵检测算法，从而提高网络安全性。

实际应用

在实际应用中，UNSW-NB15数据集被用于训练和测试各种入侵检测系统（IDS）。例如，企业网络安全团队利用该数据集来验证其IDS的准确性和鲁棒性，确保系统能够在真实网络环境中有效识别和防御各种网络攻击。此外，该数据集还被用于网络安全培训和教育，帮助学生和从业者更好地理解网络攻击的复杂性。

衍生相关工作

基于UNSW-NB15数据集，研究者们开发了多种先进的入侵检测算法和模型。例如，一些研究团队利用深度学习技术，如卷积神经网络（CNN）和长短期记忆网络（LSTM），来提高入侵检测的准确性。此外，该数据集还激发了关于数据增强和特征选择的研究，以进一步提升入侵检测系统的性能和效率。