TII-SSRC-23 数据集：面向入侵检测的多样流量模式类型学探索
密码学与安全
2023-10-18 v1 机器学习
摘要
主要基于机器学习的网络入侵检测系统的有效性深受其训练数据集的影响。确保这些数据集准确反映良性与恶意流量的多方面性质，对于创建能够识别并响应广泛入侵模式的模型至关重要。然而，现有数据集往往不足，缺乏必要的多样性且与当代网络环境不一致，从而限制了入侵检测的有效性。本文介绍 TII-SSRC-23，一个旨在克服这些挑战的新型综合数据集。我们的数据集包含多样的流量类型与子类型，是研究团队可用的一款稳健且通用的工具。此外，我们进行了特征重要性分析，为入侵检测任务的关键特征提供了重要见解。通过大量实验，我们还使用我们的数据集为有监督与无监督入侵检测方法确立了坚实的基线，进一步促进了快速变化的网络安全格局中入侵检测模型的进步与适应性。我们的数据集可在 https://kaggle.com/datasets/daniaherzalla/tii-ssrc-23 获取。
引用
@article{arxiv.2310.10661,
title = {TII-SSRC-23 Dataset: Typological Exploration of Diverse Traffic Patterns for Intrusion Detection},
author = {Dania Herzalla and Willian T. Lunardi and Martin Andreoni Lopez},
journal= {arXiv preprint arXiv:2310.10661},
year = {2023}
}