lacg030175/CIC-IoT-2023-neto-full

这是Neto等人（2023年）发布的权威CIC-IoT-2023数据集，包含46,686,579行数据和46个特征。数据集源自Kaggle镜像`akashdogra/ciciot23csv`（13.75 GB单CSV文件），该镜像又来自CIC官方发布的169个文件。与bencorn的HF镜像（45M行，39个特征）相比，此数据集保留了所有46个原始特征（bencorn删除了7个）和完整的46.7M行数（bencorn重新合并时丢失了约1.7M行）。NaN/±inf行被保留（未进行dropna处理）。数据集提供了两种分割方式：`random_3way`（80%训练，10%测试，10%验证，基于二进制标签分层，种子=42）和`random`（80%训练，20%测试）。数据集保留了原始的`Label`（规范化，混合大小写）和`Label_orig`（原始大写），以及标准化的`attack_class`和二进制`label`。类别分布如下：DDoS（72.79%）、DoS（17.33%）、Mirai（5.64%）、Benign（2.35%）、Spoofing（1.04%）、Recon（0.76%）、Web-based（0.05%）、BruteForce（0.03%）。

This is the authoritative canonical CIC-IoT-2023 dataset at the row count published by Neto et al. (2023): 46,686,579 rows × 46 features. Sourced from the Kaggle mirror `akashdogra/ciciot23csv` (13.75 GB single CSV) which itself was derived from CICs official 169-file distribution. Compared to bencorns HF mirror (45M, 39 features), this preserves: All 46 original features (bencorn dropped 7) and the full 46.7M row count (bencorn re-merge lost ~1.7M). NaN/±inf rows are kept (no dropna). The dataset provides two splits: `random_3way` (80% train / 10% test / 10% validation, stratified on binary label, seed=42) and `random` (80% train / 20% test). It preserves the original `Label` (canonicalized, mixed case) AND `Label_orig` (original UPPERCASE), plus normalized `attack_class` and binary `label`. Class distribution: DDoS (72.79%), DoS (17.33%), Mirai (5.64%), Benign (2.35%), Spoofing (1.04%), Recon (0.76%), Web-based (0.05%), BruteForce (0.03%).