Intrusion-Detection-on-NSL-KDD-master
所属分类：其他
开发工具：Python
文件大小：12982KB
下载次数：4
上传日期：2020-11-03 09:27:43
上 传 者：
周对对
说明： 对NSL-KDD数据进行分类 使用lstm神经网络
(The NSL-KDD data were classified using LSTM neural network)
文件列表:
.ipynb_checkpoints (0, 2019-12-26)
.ipynb_checkpoints\utils-checkpoint.ipynb (72, 2019-12-26)
LICENSE (11357, 2019-12-26)
NSL-KDD.zip (6608476, 2019-12-26)
NSL-KDD (0, 2019-12-26)
NSL-KDD\KDDTest+.arff (3368089, 2019-12-26)
NSL-KDD\KDDTest+.txt (3441513, 2019-12-26)
NSL-KDD\KDDTest-21.arff (1772643, 2019-12-26)
NSL-KDD\KDDTest-21.txt (1814092, 2019-12-26)
NSL-KDD\KDDTest1.jpg (8648, 2019-12-26)
NSL-KDD\KDDTrain+.arff (18744510, 2019-12-26)
NSL-KDD\KDDTrain+.txt (19109424, 2019-12-26)
NSL-KDD\KDDTrain+_20Percent.arff (3750763, 2019-12-26)
NSL-KDD\KDDTrain+_20Percent.txt (3822033, 2019-12-26)
NSL-KDD\KDDTrain1.jpg (8579, 2019-12-26)
NSL-KDD\index.html (33503, 2019-12-26)
__MACOSX (0, 2019-12-26)
__MACOSX\._NSL-KDD (212, 2019-12-26)
__MACOSX\NSL-KDD (0, 2019-12-26)
__MACOSX\NSL-KDD\._KDDTest+.arff (212, 2019-12-26)
__MACOSX\NSL-KDD\._KDDTest+.txt (212, 2019-12-26)
__MACOSX\NSL-KDD\._KDDTest-21.arff (212, 2019-12-26)
__MACOSX\NSL-KDD\._KDDTest-21.txt (212, 2019-12-26)
__MACOSX\NSL-KDD\._KDDTest1.jpg (212, 2019-12-26)
__MACOSX\NSL-KDD\._KDDTrain+.arff (212, 2019-12-26)
__MACOSX\NSL-KDD\._KDDTrain+.txt (212, 2019-12-26)
__MACOSX\NSL-KDD\._KDDTrain+_20Percent.arff (212, 2019-12-26)
__MACOSX\NSL-KDD\._KDDTrain+_20Percent.txt (212, 2019-12-26)
__MACOSX\NSL-KDD\._KDDTrain1.jpg (212, 2019-12-26)
__MACOSX\NSL-KDD\._index.html (212, 2019-12-26)
acc.png (29220, 2019-12-26)
check_tf_version.py (93, 2019-12-26)
loss.png (23561, 2019-12-26)
model.png (17499, 2019-12-26)
run.py (4783, 2019-12-26)
test_keras.py (632, 2019-12-26)
utils.ipynb (9946, 2019-12-26)
... ...
# Intrusion-Detection-on-NSL-KDD
本项目复现论文《An Intrusion Detection System Using a Deep Neural Network with Gated Recurrent Units》(DOI:10.1109/ACCESS.2018.DOI)
**注意本人不是论文原作者!**
**Note that I am not the original author of the paper!**
代码基于Keras编写。
### 基于Docker的配置(非必须)
使用Docker:
https://hub.docker.com/r/gw000/keras
对应tag::2.1.4-py3-tf-gpu
转换为本地docker:keras-py3-tf-gpu:2.1.4
CPU:
`$ docker run -it --rm -v $(pwd):/srv gw000/keras:2.1.4-py3-tf-gpu /srv/run.py`
GPU:(数据集较小,不需要)
`$ docker run -it --rm $(ls /dev/nvidia* | xargs -I{} echo '--device={}') $(ls /usr/lib/*-linux-gnu/{libcuda,libnvidia}* | xargs -I{} echo '-v {}:{}:ro') -v $(pwd):/srv gw000/keras:2.1.4-py3-tf-gpu /srv/run.py`
### 数据集:
NSL_KDD:(见NSL-KDD目录)
https://www.unb.ca/cic/datasets/nsl.html
可以参考这篇介绍文章:
https://towardsdatascience.com/a-deeper-dive-into-the-nsl-kdd-data-set-15c7533***657
### 使用方法(Usage):
`python3 run.py`
请注意确保tensorflow、sklearn、keras、numpy等依赖均已安装。另外,运行`test_keras.py`可以测试Keras工作是否正常,运行`check_tf_version.py`可以测试tensorflow版本,当前运行版本为1.5.0。*utils.ipynb是jupyter文档,用于开发过程中的实验环境。*
### 实验结果:
20个Epoch情况下,Accuracy为***%+,使用Dropout后略低(96%)。
**如有任何问题,可以邮件联系:heyu#bupt.edu.cn。论文中的问题请联系论文原作者。**
近期下载者：
相关文件：
收藏者：