注意力引导特征增强LSSVM 网络异常检测特征库数据集

数据清洗校验规则：剔除流量捕获残缺、特征计算失真、攻击标签错配、重复冗余流量无效样本；内网业务敏感 IP、端口完成脱敏遮蔽；统一包长、访问频次、特征权重等指标单位与命名规范，保障多场景流量样本训练对比一致性。 结构化处理规则：按原始网络流量捕获记录 — 基础流量特征提取 — 注意力机制特征增强参数配置 —LSSVM 标准化输入特征集 — 异常检测模型训练与效果验证五级分层，每条流量样本标注业务场景、攻击类型、网络设备标签；以流量批次编码为主键绑定全套原始流量、特征增强、模型测试记录，实现特征构建全流程溯源检索。 算法模型应用：多头注意力机制完成流量关键特征加权增强；标准化归一化完成特征缩放；最小二乘支持向量机 LSSVM 构建异常分类模型；K 折交叉验证划分训练测试集；精确率、召回率、F1、AUC 量化评估异常检测性能；差分隐私脱敏规避内网流量敏感信息泄露风险。 合规处理：全部流量数据为自主模拟 / 授权内网采集流量样本，脱敏屏蔽企业内网核心业务标识，无第三方涉密、商用机密流量；流量捕获、特征处理、模型训练全流程遵守《网络安全法》《数据安全法》《个人信息保护法》，原始流量日志、特征处理

搜集汇总

背景与挑战

背景概述

该数据集面向工业/政企内网安全防护、智能异常检测算法研发等场景，包含经注意力机制增强与LSSVM标准化处理的网络流量特征库。数据经过清洗、脱敏及合规处理，每条样本标注业务场景与攻击类型，支持端口扫描、DDoS等多类攻击识别，规模为100条，按天更新。