基于协同免疫演化的未知网络入侵检测流量数据集

与任何基于 ML 的应用一样，高质量数据集的可用性对于基于 ML 的 NIDS 的训练和评估至关重要。目前可用的 NIDS 数据集存在的一个关键问题是缺乏标准特征集。由于每个公开可用的数据集都使用一套独特的专有特征集，因此几乎无法比较基于 ML 的流量分类器在不同数据集上的性能，也就无法评估这些系统在不同网络场景中的通用能力。为了解决这一限制，本文提出并评估了基于协同免疫演化的未知网络入侵检测流量数据集。我们提出了一种基于协同免疫进化的未知网络攻击检测系统，在此数据集上实现了较好的检测效果。这是一个用于物联网（IoT）网络流量分析的数据集，主要用于检测和分类物联网设备中的网络攻击。该数据集包含了多种类型的网络流量数据，包括正常流量和恶意流量，适用于网络安全领域的研究和实验。数据量为53.2MB。

搜集汇总

背景与挑战

背景概述

该数据集是一个用于物联网网络流量分析的数据集，专注于检测和分类未知网络入侵攻击，包含正常和恶意流量类型。它旨在解决现有入侵检测数据集缺乏标准特征集的问题，基于协同免疫演化方法实现有效检测，数据量约为53.2MB。