CICIDS2017数据集参数解析与实战指南：从数据预处理到模型训练

1次阅读

没有评论

共计 1718 个字符，预计需要花费 5 分钟才能阅读完成。

CICIDS2017 是由加拿大网络安全研究所发布的网络入侵检测基准数据集，包含正常流量和常见攻击流量（如 Brute Force、XSS、DDoS 等）。其优势在于：

覆盖 7 天的完整网络流量（周一至周五）
包含 80+ 网络流量特征
标记了基于时间戳的攻击事件

数据集核心字段可分为三类：

Flow Duration：连接持续时间（微秒），短连接可能指向扫描攻击
Total Fwd Packets：正向数据包总数，异常增多可能为 DDoS 征兆

Flow Bytes/s：字节传输速率，突增可能为数据外泄
Packet Length Variance：包长方差，稳定值可能为 C2 通信

Init_Win_bytes_forward：TCP 初始窗口大小，异常值可能为隧道流量
Bwd PSH Flags：PSH 标志位计数，可用于检测 HTTP 走私

import pandas as pd

df = pd.read_csv('CICIDS2017.csv')

# 删除全空列
df.dropna(axis=1, how='all', inplace=True)

# 用中位数填充数值特征
num_cols = df.select_dtypes(include=['float64']).columns
df[num_cols] = df[num_cols].fillna(df[num_cols].median())

from sklearn.preprocessing import StandardScaler

scaler = StandardScaler()
scaled_features = scaler.fit_transform(df[num_cols])

方差过滤：移除方差接近 0 的特征
互信息评分：选择与标签相关性高的特征
递归特征消除（RFE）：基于模型重要性排序

from sklearn.feature_selection import SelectKBest, mutual_info_classif

selector = SelectKBest(mutual_info_classif, k=20)
selected_features = selector.fit_transform(df.drop('Label', axis=1), df['Label'])

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(
    selected_features, 
    df['Label'], 
    test_size=0.3,
    stratify=df['Label']
)

from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import classification_report

model = RandomForestClassifier(
    n_estimators=100,
    class_weight='balanced',
    max_depth=10
)
model.fit(X_train, y_train)

print(classification_report(y_test, model.predict(X_test)))