yashika0998/iot-23-preprocessed-allcolumns

Aposemat IoT-23数据集包含来自20个恶意网络流量捕获和3个良性流量捕获的数据子集，专门用于物联网设备的入侵检测系统研究。该数据集由Sebastian Garcia、Agustin Parmisano和Maria Jose Erquiaga在Avast AIC实验室创建，并由Avast Software资助。数据集的特征信息来源于Zeek处理，包括时间戳、IP地址、端口号、协议类型、连接状态等。数据集包含600万个样本，未进行数据平衡处理。建议在使用完整数据集之前，先使用该数据集进行模型处理的模拟。

原始信息汇总

数据集概述

数据集信息

特征信息

• ts: 时间戳，数据类型为 float64
• uid: 连接的唯一标识符，数据类型为 string
• id.orig_h: 发起方的IP地址，数据类型为 string
• id.orig_p: 发起方的端口号，数据类型为 int64
• id.resp_h: 响应方的IP地址，数据类型为 string
• id.resp_p: 响应方的端口号，数据类型为 int64
• proto: 传输层协议，数据类型为 string
• service: 应用层协议标识，数据类型为 string
• duration: 连接持续时间，数据类型为 float64
• orig_bytes: 发起方发送的字节数，数据类型为 int64
• resp_bytes: 响应方发送的字节数，数据类型为 int64
• conn_state: 连接状态，数据类型为 string
• local_orig: 连接是否本地发起，数据类型为 float64
• local_resp: 连接是否本地响应，数据类型为 float64
• missed_bytes: 丢失的字节数，数据类型为 int64
• history: 连接状态历史记录，数据类型为 string
• orig_pkts: 发起方发送的数据包数，数据类型为 int64
• orig_ip_bytes: 发起方发送的IP层字节数，数据类型为 int64
• resp_pkts: 响应方发送的数据包数，数据类型为 int64
• resp_ip_bytes: 响应方发送的IP层字节数，数据类型为 int64
• label: 数据点标签（良性或恶意），数据类型为 string

数据分割

• train: 训练集，包含 6,046,623 个样本，总字节数为 1,232,978,140

数据集大小

• 下载大小: 274,218,995 字节
• 数据集大小: 1,232,978,140 字节

配置

• default: 默认配置，包含训练集数据文件路径 data/train-*

任务类别

• tabular-classification: 表格分类
• table-question-answering: 表格问答

语言

• en: 英语

标签

• label: 数据点标签，包括多种恶意和良性标签

注意事项

• ts, uid, id.orig_h, id.resp_h, local_orig, local_resp 这些特征应从模型训练中移除，以避免过拟合。

搜集汇总

背景与挑战

背景概述

该数据集是Aposemat IoT-23的预处理版本，包含819,024行IoT网络流量数据，用于恶意和良性流量分类的入侵检测系统研究。数据集提供了20个恶意流量捕获和3个良性流量捕获的详细网络连接特征（如协议、端口、字节数、连接状态等），并标注了多种攻击类型标签，适用于表格分类任务。