基于复杂多维异构多模态网络行为的网络流量数据集NSL-KDD

分布式拒绝服务（DDoS）攻击是对网络安全的威胁，旨在通过恶意流量耗尽目标网络。尽管已经为DDoS攻击检测设计了许多统计方法，但设计具有低计算开销的实时检测器仍然是主要问题之一。另一方面，对新检测算法和技术的评估在很大程度上依赖于设计良好的数据集的存在。在本文中，首先，我们全面回顾了现有的数据集，并提出了一种新的DDoS攻击分类法。其次，我们生成一个新的数据集，即NSL-KDD，它弥补了目前的所有缺点。再次，利用生成的数据集，我们提出了一种基于一组网络流特征的新检测和族分类方法。最后，我们提供了最重要的功能集来检测不同类型的DDoS攻击及其相应的权重。数据集共包括4个数据文件，其中：(1) KDDTrain+.TXT是训练集数据，数据量18.22MB；(2) KDDTrain+_20Percent.TXT 是训练集的特征子集，数据量3.64MB；(3) KDDTest+.TXT是测试集，数据量3.28MB；(4) KDDTest-21.TXT是测试集的特征子集，数据量1.73MB。