机器学习作业，机器学习和深度学习方法实现的入侵检测+源代码+文档说明+数据集

源码下载地址

点击这里下载代码

项目介绍

机器学习及深度学习实现IDS✨
1、说明
本文档用来记录机器学习课程作业，完成机器学习及深度学习实现入侵检测。

数据集为UNSW_NB15官方数据集，42列特征，一列标签，二分类问题；

采用的方法为：① 特征处理；② Pearson过滤和随机森林特征选择；③ CNN训练

参考的文档为《基于深度神经网络的网络入侵检测技术》

数据集官网:

数据集下载地址

2、代码
运行代码前确保安装有sklearn包和Tensorflow以及keras，注意Tensorflow和keras的对应关系。

pip install -r requirements.txt安装环境依赖即可

代码的结构如下：

StrTonum.py：将数值型特征转化为字符型，才能送入模型训练；

Min-max：对数据进行归一化处理，加快模型的训练；

Balanced.py：对正负样本个数进行平衡处理，参考论文中ADASYN算法；

Pearson.py：计算不同特征及之间的相关性系数；

Find_feature.py：随机森林进行特征选择；

Pro_Testdata.py：对测试数据进行处理，确保测试集和在训练集上筛选出的特征一致；

CNN.py：keras搭建CNN网络进行训练；

整个代码的运行流程按上述流程即可;

项目功能

界面预览

项目备注

1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！
2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载学习，也适合小白学习进阶，当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。
3、如果基础还行，也可在此代码基础上进行修改，以实现其他功能，也可用于毕设、课设、作业等。
下载后请首先打开README.md文件（如有），仅供学习参考, 切勿用于商业用途。

源码下载地址

点击这里下载代码