lacg030175/CIC-IoT-2023-neto-subsample

CIC-IoT-2023 — Neto-Subsample (1.3M, 46-feature canonical) 是一个分层抽样子样本数据集，约包含1,429,753行数据，具有46个特征。该数据集是从Neto 46.7M数据集中抽取的，保留了原始数据的46个特征模式，是`lacg030175/CIC-IoT-2023`（1.3M bencorn-derived, 39 features）的替代版本，适用于需要标准特征集的新实验。数据集中包含良性流量和多种攻击子类的样本，每种子类的样本数最多为50,000行。NaN/Inf值被保留（未进行dropna处理），建议与`ThermometerEncoder(invalid_encoding="single_bit")`配对使用。数据集分为两个配置：`random_3way`（80%训练，10%测试，10%验证，按二进制标签分层，种子=42）和`random`（80%训练，20%测试，测试集为`random_3way`中的测试和验证集的并集）。数据来源为`lacg030175/CIC-IoT-2023-neto-full`（46.7M标准版），最初来自Kaggle上的`akashdogra/ciciot23csv`，源自CIC官方169文件分发（Neto et al., 2023）。类别分布为：DDoS（38.62%）、DoS（13.99%）、Benign（13.99%）、Recon（13.26%）、Mirai（10.49%）、Spoofing（6.99%）、Web-based（1.74%）、BruteForce（0.91%）。

CIC-IoT-2023 — Neto子采样集（130万样本、46特征标准版本）是一款分层抽样的子样本数据集，总计约1,429,753条数据记录，包含46个特征维度。该数据集源自Neto 4670万原始数据集，完整保留了原始数据的46个特征模式，是`lacg030175/CIC-IoT-2023`（130万样本、基准衍生版本、39个特征）的替代版本，适用于需采用标准化特征集的各类新型实验。数据集涵盖良性流量与多种攻击子类样本，单攻击子类的样本量最高可达50,000条。数据集中保留了NaN（非数值）与Inf（无穷大）值，未执行dropna数据清洗操作，建议搭配`ThermometerEncoder(invalid_encoding="single_bit")`（温度计编码器，将invalid_encoding参数设为“单比特编码”）使用。数据集提供两种配置方案：`random_3way`（80%训练集、10%测试集、10%验证集，按二进制标签分层抽样，随机种子=42）与`random`（80%训练集、20%测试集，测试集为`random_3way`配置下测试集与验证集的并集）。该数据集的上游数据源为`lacg030175/CIC-IoT-2023-neto-full`（4670万标准版），其最初源自Kaggle平台发布的`akashdogra/ciciot23csv`数据集，最终追溯至CIC官方169号文件分发包（Neto et al., 2023）。数据集类别分布如下：分布式拒绝服务攻击（DDoS，38.62%）、拒绝服务攻击（DoS，13.99%）、良性流量（13.99%）、侦察攻击（Recon，13.26%）、米拉伊僵尸网络攻击（Mirai，10.49%）、欺骗攻击（Spoofing，6.99%）、Web攻击（Web-based，1.74%）、暴力破解攻击（BruteForce，0.91%）。