Edge-IIoTset, Global Web Cache Latency Measurement Dataset, WetLinks – Starlink Dataset, LEO Satellite Channel – Channel Coefficients Dataset, Radio KPI & Latency Measurement for Satellite + 5G

1. Edge-IIoTset: 一个全面的物联网和工业物联网应用的现实网络安全数据集，适用于集中式和联邦学习。2. Global Web Cache Latency Measurement Dataset: 包含约200万次RTT ping测量，覆盖50个流行网站，适合研究卫星网络中的Web缓存。3. WetLinks – Starlink Dataset: 包含约140,000次测量，适合研究天气对延迟和吞吐量的影响。4. LEO Satellite Channel – Channel Coefficients Dataset: 模拟LEO卫星与Massive MIMO的信号通道，适合波束成形设计和信道研究。5. Radio KPI & Latency Measurement for Satellite + 5G: 包含5G NSA和卫星连接的KPI测量，适合多连接解决方案的性能比较和优化。

1. Edge-IIoTset: A comprehensive cybersecurity dataset for Internet of Things (IoT) and Industrial Internet of Things (IIoT) applications, suitable for both centralized and federated learning. 2. Global Web Cache Latency Measurement Dataset: Comprising approximately 2 million RTT ping measurements across 50 popular websites, this dataset is designed for researching web caching within satellite networks. 3. WetLinks – Starlink Dataset: Containing approximately 140,000 measurements, this dataset is appropriate for investigating the impact of weather on latency and throughput. 4. LEO Satellite Channel – Channel Coefficients Dataset: Simulating the signal channel between Low Earth Orbit (LEO) satellites and Massive MIMO, this dataset is suitable for beamforming design and channel research. 5. Radio KPI & Latency Measurement for Satellite + 5G: This dataset includes KPI measurements for 5G NSA and satellite connections, ideal for performance comparison and optimization of multi-connection solutions.

原始信息汇总

数据集概述

1. Edge-IIoTset

• 描述: 一个全面的物联网和工业物联网应用的现实网络安全数据集，适用于集中式和联邦学习。
• 来源: IEEE DataPort
• 相关论文: IEEE Xplore

2. Global Web Cache Latency Measurement Dataset (Spache‑WWW’25)

• 描述: 包含约200万次RTT ping测量，覆盖50个流行网站，使用RIPE Atlas探针和LEO连接（如Starlink）在五大洲24小时内收集。
• 来源: Zenodo
• 适用场景: 卫星网络中的Web缓存研究、路由策略模拟、RTT预测以优化QoS或缓存服务器调度。

3. WetLinks – Starlink Dataset

• 描述: 包含约140,000次测量，覆盖欧洲两个位置6个月的数据，包括RTT、吞吐量、traceroute和天气数据。
• 来源: GitHub | arXiv
• 适用场景: 研究天气对延迟和吞吐量的影响，构建依赖环境条件的延迟模型。

4. LEO Satellite Channel – Channel Coefficients Dataset

• 描述: 模拟LEO卫星与Massive MIMO的信道，包含1000个随机用户的信道向量数据，使用20×20 UPA天线。
• 来源: FNR Smart Space Project
• 相关论文: CVaR-based Robust Beamforming Framework for Massive MIMO LEO Satellite Communications
• 适用场景: 波束成形设计、卫星网络中的调度/信道研究以减少物理环境中的延迟。

5. Radio KPI & Latency Measurement for Satellite + 5G (Danimarca)

• 描述: 包含5G NSA和卫星连接的KPI测量数据，用于丹麦农村地区牲畜运输监控的实际环境。
• 来源: Zenodo
• 适用场景: 比较两种连接的性能，优化切换（handover）和多连接以减少系统延迟。

最后更新: 2025年7月28日

搜集汇总

数据集介绍

构建方式

Edge-IIoTset数据集通过模拟物联网和工业物联网应用中的真实网络环境，采用集中式和联邦学习方法构建，涵盖了多样化的网络安全场景。Global Web Cache Latency Measurement Dataset利用RIPE Atlas探针在全球五大洲范围内对50个流行网站进行了约200万次RTT ping测量，数据采集历时24小时。WetLinks – Starlink Dataset在6个月内从欧洲两个位置收集了约14万次测量数据，包括RTT、吞吐量、traceroute及气象站记录的天气数据。LEO Satellite Channel – Channel Coefficients Dataset通过仿真LEO卫星与Massive MIMO系统的信号传输，生成了1000个随机用户的信道向量数据。Radio KPI & Latency Measurement数据集则基于丹麦农村地区的实际环境，同时采集了5G NSA和卫星连接的KPI指标。

使用方法

Edge-IIoTset可用于训练和评估网络安全领域的机器学习模型，支持集中式和联邦学习两种范式。Global Web Cache Latency数据适合用于Web缓存策略优化、路由算法模拟和RTT预测模型构建。WetLinks数据集支持研究气象条件与网络性能的关联性分析，可建立环境依赖的网络性能模型。LEO Satellite Channel数据为Massive MIMO系统设计提供了仿真基础，可用于波束成形算法验证。Radio KPI数据集则适用于多连接解决方案评估，支持网络切换优化和QoS策略制定。

背景与挑战

背景概述

Edge-IIoTset数据集由IEEE DataPort于近年发布，旨在为物联网（IoT）和工业物联网（IIoT）应用提供全面的网络安全基准数据。该数据集由多个研究机构联合开发，涵盖了集中式和联邦学习场景下的多样化攻击与防御模式，为网络安全研究提供了丰富的实验基础。其影响力主要体现在推动了边缘计算环境下的威胁检测与异常行为分析研究。Global Web Cache Latency Measurement Dataset由Spache-WWW’25项目组构建，通过RIPE Atlas探针采集了全球五大洲50个流行网站的约200万次RTT测量数据，专注于低地球轨道（LEO）卫星网络的缓存延迟特性研究。WetLinks – Starlink数据集则系统性地记录了欧洲两个地点六个月内约14万次网络测量数据，创新性地关联了气象参数与卫星链路性能。LEO Satellite Channel数据集由卢森堡大学FNR Smartspace项目组发布，通过大规模MIMO天线阵列模拟了1000个随机用户的卫星信道向量，为波束成形算法研究提供了重要支撑。Radio KPI & Latency Measurement数据集源自丹麦奥尔堡大学COMMECT项目，通过实际部署环境采集了5G非独立组网与卫星混合网络的KPI指标，为农村地区牲畜运输监控等应用场景提供了多连接解决方案的评估基准。

当前挑战

在领域问题层面，Edge-IIoTset需解决动态边缘环境中新型网络攻击的实时检测难题，其数据不平衡性和攻击变体多样性对机器学习模型提出了严峻考验。Global Web Cache Latency数据集面临着LEO卫星网络拓扑快速变化导致的缓存策略时效性挑战，以及全球分布式测量带来的时空异质性数据处理问题。WetLinks数据集需要精确量化大气降水、湿度等复杂气象因素对星间链路的影响机制，现有模型在极端天气条件下的泛化能力有待验证。LEO Satellite Channel数据集的核心挑战在于大规模MIMO系统的高维信道状态信息压缩与重建，以及移动场景下的多普勒频移补偿。Radio KPI数据集需解决5G与卫星网络切换时的QoS保障难题，特别是延迟敏感型应用在异构网络中的无缝衔接问题。在构建过程方面，各数据集普遍面临高精度时间同步、多源数据融合、测量设备部署成本控制等技术挑战，其中星地联合测量还需克服轨道动力学带来的采样不连续性问题。

常用场景

经典使用场景

在物联网和工业物联网领域，Edge-IIoTset数据集为研究者和开发者提供了一个全面的网络安全基准测试平台。该数据集涵盖了多种攻击场景和正常流量模式，特别适用于评估集中式和联邦学习算法的性能。通过模拟真实环境中的网络流量，研究人员能够深入分析异常检测、入侵防御等关键问题，为智能边缘计算系统的安全优化提供可靠依据。

解决学术问题

Edge-IIoTset数据集有效解决了物联网安全研究中数据稀缺的难题，为机器学习模型的训练和验证提供了丰富样本。其包含的多样化攻击类型有助于探索新型威胁检测方法，推动联邦学习在分布式环境中的应用。该数据集的出现显著提升了学术界对边缘计算安全威胁的认知水平，为制定防御策略奠定了数据基础。

实际应用

在实际工业场景中，Edge-IIoTset数据集可直接用于部署智能安全监测系统。制造企业可基于该数据集训练模型，实时检测生产线设备的异常网络行为。能源领域则利用其开发针对关键基础设施的保护方案，有效预防针对工业控制系统的网络攻击，保障生产运营安全。

数据集最近研究

最新研究方向

在物联网与工业物联网安全领域，Edge-IIoTset数据集为集中式与联邦学习场景下的网络安全研究提供了全面真实的基准数据，其最新应用聚焦于对抗性攻击防御与轻量化异常检测模型构建。卫星通信方向，Global Web Cache Latency Measurement Dataset通过覆盖五大洲的LEO网络延迟测量，正推动星载Web缓存算法与低轨星座路由策略的革新，而WetLinks数据集揭示的气象因素对星间链路的影响规律，为构建鲁棒性更强的空天地一体化传输模型奠定基础。LEO Satellite Channel数据集的大规模MIMO信道系数，则成为研究低轨卫星波束成形技术与用户调度算法的关键资源，特别是在面向6G的非地面网络延迟敏感型业务中展现独特价值。5G与卫星融合网络方面，Radio KPI & Latency Measurement数据集通过丹麦农牧业监控场景的实测数据，为多连接切换机制与服务质量保障策略提供了重要的验证平台。