LSSVM 特征增强网络流量异常训练数据集

整体数据清洗方式：采用三级分层清洗校验机制，一级剔除数据包残缺、采集时长断档、流量参数缺失的无效原始样本；二级逻辑校验，过滤特征数值越界、攻击标签冲突、重复冗余流量数据；三级样本均衡校验，平衡正常流量与各类攻击样本数量，规避训练偏置；对内网 IP、业务端口、设备标识全量脱敏遮蔽；统一包速率、包长、连接时长等特征单位与命名口径，保证多场景流量样本可统一训练对比。整体数据加工处理方式：执行标准化分层加工流程，第一步从原始抓包文件提取连接层、传输层、应用层基础统计特征；第二步通过非线性映射、差值衍生、相关性筛选完成多层特征增强，生成适配 LSSVM 输入的高阶特征；第三步对全部特征做归一化标准化缩放处理；第四步以流量批次编码为主键关联原始日志、增强参数、攻击标签，划分固定比例训练、验证、测试子集；全程留存每一步特征加工操作日志，实现样本全流程溯源。

搜集汇总

背景与挑战

背景概述

该数据集专为LSSVM特征增强网络流量异常检测模型研发设计，规模为100条，周级更新。采用三级分层清洗校验机制确保数据质量，并通过非线性映射、差值衍生等特征增强方法生成高阶特征，覆盖网络安全防护、工业互联网安全等多场景应用。