CICIDS2017数据集参数解析与网络安全检测实战指南

1次阅读

共计 1725 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（CIC）发布的网络入侵检测基准数据集，包含 7 天的正常流量和常见攻击流量（如 Brute Force、XSS、DDoS 等）。数据集特点包括：

基于真实网络环境捕获（含 80 台设备）
包含标记的 Bidirectional Flow 记录（每行代表一个完整会话）
覆盖现代攻击类型（如 Heartbleed 漏洞利用）

数据集包含 83 个流量特征参数，主要分为三类：

基础流量特征
Flow Duration：会话持续时间（毫秒），短时突发可能是 DoS 攻击信号
Total Fwd Packets：正向数据包总数，异常增多可能指示端口扫描
统计特征
Flow Bytes/s：字节传输速率，突增可能为数据外泄
Packet Length Std：包长标准差，DDoS 攻击中通常较小
内容特征
Init_Win_bytes_forward：初始窗口大小，异常值可能对应恶意软件
Bwd Header Length：反向包头长度，SQL 注入常导致异常

import pandas as pd
from sklearn.preprocessing import LabelEncoder, StandardScaler

# 加载数据
df = pd.read_csv('Monday-WorkingHours.csv')

# 清洗步骤
1. 处理缺失值
df.dropna(axis=1, thresh=len(df)*0.7, inplace=True)  # 删除缺失超 30% 的列
df.fillna(df.median(), inplace=True)

2. 特征工程
# 时间特征转换
df['Flow Duration'] = df['Flow Duration'].astype('float32')

# 标准化
scaler = StandardScaler()
numeric_cols = df.select_dtypes(include=['float64']).columns
df[numeric_cols] = scaler.fit_transform(df[numeric_cols])

3. 标签编码
le = LabelEncoder()
df['Label'] = le.fit_transform(df['Label'])

使用 XGBoost 进行多分类检测：

from xgboost import XGBClassifier
from sklearn.model_selection import train_test_split

# 数据集划分
X = df.drop('Label', axis=1)
y = df['Label']
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)

# 模型训练
model = XGBClassifier(
    max_depth=6,
    learning_rate=0.1,
    n_estimators=100,
    objective='multi:softmax'
)
model.fit(X_train, y_train)

测试集结果示例（需实际运行后补充）：