通过网络检测攻击的python包
detect-attacks的Python项目详细描述
检测攻击：
检测网络攻击的python包包括：
- 从攻击中收集数据
- 对数据进行分类以预测网络攻击的风险
- 警告用户存在可能是网络攻击的风险。
入门
先决条件
- 在使用检测攻击之前，应先安装这些软件包：
tensorflow 1.5.0
sklearn 0.19.1
keras 2.1.3
numpy 1.14.0
matplotlib 2.1.2
deepmg 0.5.9
- 如果没有，请安装
pip install matplotlib
pip install numpy
conda install scikit-learn
conda install -c conda-forge tensorflow
conda install -c conda-forge keras
pip install Keras-Applications
pip install Keras-Preprocessing
pip install keras_sequential_ascii
pip install deepmg
安装或下载软件包检测攻击
pip install detect_attacks
运行实验
如何使用检测攻击
输入：
- 必需：包含数据（*u x.csv）和标签（*u y.csv）的csv文件
- 可选：如果使用外部验证集：data（*uzx.csv）和labels（*uzy.csv））放入datachangable中，参数为--原始数据文件夹。
例如，data1_x.csv和data1_y.csv。
输出：
- results：每个折叠的性能/培训/测试信息和摘要结果放入[results/{em1}$name_dataset_parameters_generate_image/]（results/）（可使用参数--parent_folder_results）中，包含5个以上文件：
*file_sum.txt：用于运行的参数，每次折叠时的性能。最后一行显示了acc、auc、执行时间和其他实验指标的训练/测试性能。实验完成后，在标记实验完成的文件名后附加后缀“_ok”（可使用参数--suff_fini进行更改）。
*文件_each fold.txt（如果--save_folds=y）：每一次折叠的准确结果、AUC、MCC、训练和测试损失。
*file_mean_acc.txt（如果--save_avg_run=y）：如果实验包括n独立重复运行，那么该文件包括每次运行的k-以accuracity度量的平均性能和开始训练/测试、训练/测试完成时的时间执行。
*file_mean_auc.txt（如果--save_avg_run=y）：如果实验包括n独立重复运行，那么该文件包括在开始的训练/测试、训练/测试结束时由auc测量的每次运行的k倍上的平均性能。
如果--保存_para=y：配置文件以重复实验
如果使用--save_w=y（保存训练网络的权重）和/或--save_entire_w=y，--save_d=y，则将创建两个文件夹：
results/{em1}$name_dataset_parameters_to_generate_image/models/：includes*weightmodel*.json包含模型的结构*weightmodel*.h5存储权重。
结果/{em1}$name_dataset_parameters_to_generate_image/details/*weight挈t:包含每个时期的训练和测试的准确性和损失--save_d=y。如果--save_rf=y，则每次运行时，我们都会从rfs中生成重要分数。
- results：每个折叠的性能/培训/测试信息和摘要结果放入[results/{em1}$name_dataset_parameters_generate_image/]（results/）（可使用参数--parent_folder_results）中，包含5个以上文件：
一些示例
db_name='data1';
folder_data='/Users/hainguyen//test/data/';
folder_res='/Users/hainguyen//test/results/';
python -m detect_attacks -i $db_name -r $folder_data --parent_folder_results $folder_res --model rf_model
python -m detect_attacks -i $db_name -r $folder_data --parent_folder_results $folder_res --model svm_model
python -m detect_attacks -i $db_name -r $folder_data --parent_folder_results $folder_res --model model_cnn1d
python -m detect_attacks -i $db_name -r $folder_data --parent_folder_results $folder_res --model model_mlp
python -m detect_attacks -i $db_name -r $folder_data --parent_folder_results $folder_res --model fc_model
下载数据
请使用下面的链接下载实验数据
参考文献：
欢迎加入QQ群-->： 979659372
