数据集生成

1. 原始数据准备

执行命令capinfos查看基本信息

2. pcap文件切分

由于10G左右的pcap文件对内存消耗过大，需要通过editcap命令将原始pcap文件切分为多个pcap文件在逐个进行处理， 经实验每个小pcap文件包含1000k个数据包为宜，大小约1G，指定保存格式为pcap，命令如下（耗时5min左右）：

editcap -F pcap -c 1000000 pcap文件名 保存的pcap文件名

执行editcap就会有分割的文件在cmd的目录下（比如我的就在：D:\Wireshark\1新\Wireshark）

3. 网络流（flows）生成

使用flowcontainer库完成，该库使用wireshark安装自带的Tshark完成解析过滤和分流操作。
安装：pip install flowcontainer

要求wireshark版本 > 3.3，numpy > 1.18.0

使用extract方法将所有pcap文件切分为flows，保存文pkl文件

import pickle

from flowcontainer.extractor import extract
def decode_pcap_to_pkl(pcap_file, pkl_save_path):
    result = extract(infile=pcap_file, filter='(tcp or udp)', extension=["tcp.payload", "udp.payload"])
    save_file = open(pkl_save_path, 'wb')
    pickle.dump(result, save_file)
    save_file.close()

decode_pcap_to_pkl("pcap文件路径","要保存的pkl文件路径");

4. csv文件处理

获取原始的1个或多个csv文件中Label不为BENIGN的行，生成一个仅一列构成的csv文件，该列内容为（源IP-源端口-目的IP-目的端口-协议类型）

import pandas as pd
from pathlib import Path

def create_attack_csv(paths, outfile):
    result = []
    p = Path(paths