恶意流量检测数据集

对当前公开的恶意流量相关数据集进行归类总结：

1、通用恶意流量数据集

1）2015数据集UNSW-NB2015

UNSW-NB15
官方网站：https://research.unsw.edu.au/projects/unsw-nb15-dataset
2015年由新南威尔士大学堪培拉分校网络靶场实验室的 IXIA PerfectStorm 工具创建的，用于生成真实的现代正常活动和合成的当代攻击行为的混合体。tcpdump 工具用于捕获 100 GB 的原始流量（例如 Pcap 文件）。该数据集有 9 种类型的攻击，分别是 Fuzzers、Analysis、Backdoors、DoS、Exploits、Generic、Reconnaissance、Shellcode 和 Worms。使用了 Argus、Bro-IDS 工具并开发了 12 种算法，以生成总共 49 个带有类标签的特征。这些功能在 UNSW-NB15_features.csv 文件中进行了介绍。

2）2009 ISCX NSL-KDD 数据集

官方网站：NSL-KDD 系列 |数据集 |研究 |加拿大网络安全研究所 |UNB

• 描述：KDD Cup 1999数据集的改进版本，解决了原始数据集重复样本过多的问题。
• 特点：适合用于入侵检测和机器学习模型的训练与测试。

3）2017 CICIDS2017数据集

官方网站：2017 年 IDS |数据集 |研究 |加拿大网络安全研究所 |UNB

入侵检测系统 （IDS） 和入侵防御系统 （IPS） 是抵御复杂且不断增长的网络攻击的最重要防御工具。由于缺乏可靠的测试和验证数据集，基于异常的入侵检测方法正在遭受一致且准确的性能演变。

我们对 1998 年以来现有的 11 个数据集的评估表明，大多数数据集都已经过时且不可靠。其中一些数据集缺乏流量多样性和数量，一些没有涵盖各种已知攻击，而另一些则对数据包