僵尸网络检测数据集CTU-13介绍及使用

首先感谢爱学习的大白菜爱学习的大白菜的博客_CSDN博客-刷题,ACM之路,机器学习领域博主对CTU-13数据集的描述的翻译，这使得后面对这份数据集的理解更加容易。

参考CTU-13数据集_爱学习的大白菜的博客-CSDN博客

由于要做僵尸网络检测的工作，但是没有相关数据，需要搜集相关数据集进行算法的验证，通过调研，发现CTU-13数据集开源，且进行了处理分析，减少了数据处理的一些工作，比如对流数据进行了聚合，生成双向流数据文件，也就是后面要用到的文件。

通过查看CTU-13数据集网站和上述博客的分享，了解了数据集的大致情况，但是需要下载数据集时，犯难了，每个数据集下包含多种数据类型多个文件，哪个是我可以用于僵尸网络检测的有标签的数据集，这里先给出答案：

detailed-bidirectional-flow-labels/

 文件夹下的以.binetflow为后缀的文件，如下

 但是发现直接点击这个文件，不能下载，只能查看里面的数据内容

 如何获取这些数据到文件，可以用下面的方法：

scenario_1 = pd.read_csv('https://mcfp.felk.cvut.cz/publicDatasets/CTU-Malware-Capture-Botnet-42/detailed-bidirectional-flow-labels/capture20110810.binetflow')

这个语句直接到相应的网址去下载数据，并且是dataframe格式化的，很好，这就是我想要的。

接下来如果会重复用到该数据，可以使用

scenario_1.to_csv('scenario_1.csv', header = True, index = False)

将数据保存在本地

在这份数据中的label标注了流的类型，如下

 scenario_1是第一个僵尸网络场景的数据，数据量和数据集描述中一致

具体的也可以看下不同类型数据的占比。

对于每个场景，数据集中会告知被感染的僵尸主机IP。