【深度学习】用神经网络进行入侵检测，NSL-KDD数据集，用网络连接特征判断是否是网络入侵。
下载数据集NSL-KDD
NSL-KDD数据集，有dos,u2r,r21,probe等类型的攻击，和普通的正常的流量，即是有五个类别：
1、Normal：正常记录
2、DOS：拒绝服务攻击
3、PROBE：监视和其他探测活动
4、R2L：来自远程机器的非法访问
5、U2R：普通用户对本地超级用户特权的非法访问
数据集样子如下，一行就是一个样本。一个样本有41个特征和一个类别标签。
数据集介绍
https://towardsdatascience.com/a-deeper-dive-into-the-nsl-kdd-data-set-15c753364657
https://mathpretty.com/10244.html
输入的41个特征介绍
下面是对网络连接的41个特征的介绍：
| 特征编号 | 特征名称 | 特征描述 | 类型 | 范围 |
|---|---|---|---|---|
| 1 | duration | 连接持续时间，从TCP连接建立到结束的时间，或每个UDP数据包的连接时间 | 连续 | [0, 58329]秒 |
| 2 | protocol_type | 协议类型，可能值为TCP, UDP, ICMP | 离散 | - |
| 3 | service | 目标主机的网络服务类型，共70种可能值 | 离散 | - |
| 4 | flag | 连接状态，11种可能值，表示连接是否按照协议要求开始或完成 | 离散 | - |
| 5 | src_bytes | 从源主机到目标主机的数据的字节数 | 连续 | [0, 1379963888] |
| 6 | dst_bytes | 从目标主机到源主机的数据的字节数 | 连续 | [0, 1309937401] |
| 7 | land | 若连接来自/送达同一个主机/端口则为1，否则为0 | 离散 | 0或1 |
| 8 | wrong_fragment | 错误分段的数量 | 连续 | [0, 3] |
| 9 | urgent | 加急包的个数 | 连续 | [0, 14] |
| 10 | hot | 访问系统敏感文件和目录的次数 | 连续 | [0, 101] |
| 11 | num_failed_logins | 登录尝试失败的次数 | 连续 | [0, 5] |
| 12 | logged_in | 成功登录则为1，否则为0 | 离散 | 0或1 |
| 13 | num_compromised | compromised条件出现的次数 | 连续 | [0, 7479] |
| 14 | root_shell | 若获得root shell 则为1，否则为0 | 离散 | 0或1 |
| 15 | su_attempted | 若出现"su root" 命令则为1，否则为0 | 离散 | 0或1 |
| 16 | num_root | root用户访问次数 | 连续 | [0, 7468] |
| 17 | num_file_creations | 文件创建操作的次数 | 连续 | [0, 100] |
| 18 | num_shells | 使用shell命令的次数 | 连续 | [0, 5] |
| 19 | num_access_files | 访问控制文件的次数 | 连续 | [0, 9] |
| 20 | num_outbound_cmds | 一个FTP会话中出站连接的次数 | 连续 | 0 |
| 21 | is_hot_login | 登录是否属于“hot”列表，是为1，否则为0 | 离散 | 0或1 |
| 22 | is_guest_login | 若是guest登录则为1，否则为0 | 离散 | 0或1 |
| 23 | count | 过去两秒内，与当前连接具有相同的目标主机的连接数 | 连续 | [0, 511] |
| 24 | srv_count | 过去两秒内，与当前连接具有相同服务的连接数 | 连续 | [0, 511] |
| 25 | serror_rate | 过去两秒内，在与当前连接具有相同目标主机的连接中，出现“SYN”错误的连接的百分比 | 连续 | [0.00, 1.00] |
| 26 | srv_serror_rate | 过去两秒内，在与当前连接具有相同服务的连接中，出现“SYN”错误的连接的百分比 | 连续 | [0.00, 1.00] |
| 27 | rerror_rate | 过去两秒内，在与当前连接具有相同目标主机的连接中，出现“REJ”错误的连接的百分比 | 连续 | [0.00, 1.00] |
| 28 | srv_rerror_rate | 过去两秒内，在与当前连接具有相同服务的连接中，出现“REJ”错误的连接的百分比 | 连续 | [0.00, 1.00] |
| 29 | same_srv_rate | 过去两秒内，在与当前连接具有相同目标主机的连接中，与当前连接具有相同服务的连接的百分比 | 连续 | [0.00, 1.00] |
| 30 | diff_srv_rate | 过去两秒内，在与当前连接具有相同目标主机的连接中，与当前连接具有不同服务的连接的百分比 | 连续 | [0.00, 1.00] |
| 31 | srv_diff_host_rate | 过去两秒内，在与当前连接具有相同服务的连接中，与当前连接具有不同目标主机的连接的百分比 | 连续 | [0.00, 1.00] |
| 32 | dst_host_count | 前100个连接中，与当前连接具有相同目标主机的连接数 | 连续 | [0, 255] |
| 33 | dst_host_srv_count | 前100个连接中，与当前连接具有相同目标主机相同服务的连接数 | 连续 | [0, 255] |
| 34 | dst_host_same_srv_rate | 前100个连接中，与当前连接具有相同目标主机相同服务的连接所占的百分比 | 连续 | [0.00, 1.00] |
| 35 | dst_host_diff_srv_rate | 前100个连接中，与当前连接具有相同目标主机不同服务的连接所占的百分比 | 连续 | [0.00, 1.00] |
| 36 | dst_host_same_src_port_rate | 前100个连接中，与当前连接具有相同目标主机相同源端口的连接所占的百分比 | 连续 | [0.00, 1.00] |
| 37 | dst_host_srv_diff_host_rate | 前100个连接中，与当前连接具有相同目标主机相同服务的连接中，与当前连接具有不同源主机的连接所占的百分比 | 连续 | [0.00, 1.00] |
| 38 | dst_host_serror_rate | 前100个连接中，与当前连接具有相同目标主机的连接中，出现SYN错误的连接所占的百分比 | 连续 | [0.00, 1.00] |
| 39 | dst_host_srv_serror_rate | 前100个连接中，与当前连接具有相同目标主机相同服务的连接中，出现SYN错误的连接所占的百分比 | 连续 | [0.00, 1.00] |
| 40 | dst_host_rerror_rate | 前100个连接中，与当前连接具有相同目标主机的连接中，出现REJ错误的连接所占的百分比 | 连续 | [0.00, 1.00] |
| 41 | dst_host_srv_rerror_rate | 前100个连接中，与当前连接具有相同目标主机相同服务的连接中，出现REJ错误的连接所占的百分比 | 连续 | [0.00, 1.00] |
这个表格提供了关于网络连接的41个特征的详细介绍，包括特征编号、特征名称、特征描述、类型以及范围。
输出的五个类别
数据集是一个csv表格，倒数第二列就是类别标签，类别是五个，但是csv表格里分得很细。
['normal', 'dos', 'probe', 'r2l', 'u2r']
但csv里写的详细的标签如下图，比如Dos攻击往细了分，还有back、neptune之类的，但我们只关心五个大类别。
可以通过这个程序转换，比如[‘back’, ‘land’, ‘neptune’, ‘pod’, ‘smurf’, ‘teardrop’, ‘processtable’, ‘udpstorm’, ‘mailbomb’, ‘apache2’]都是Dos攻击类别。
# 结果标签转换为数字
dos_type = ['back', 'land', 'neptune', 'pod', 'smurf', 'teardrop', 'processtable', 'udpstorm', 'mailbomb',
'apache2']
probing_type = ['ipsweep', 'mscan', 'nmap', 'portsweep', 'saint', 'satan']
r2l_type = ['ftp_write', 'guess_passwd', 'imap', 'multihop', 'phf', 'warezmaster', 'warezclient', 'spy', 'sendmail',
'xlock', 'snmpguess', 'named', 'xsnoop', 'snmpgetattack', 'worm']
u2r_type = ['buffer_overflow', 'loadmodule', 'perl', 'rootkit', 'xterm', 'ps', 'httptunnel', 'sqlattack']
type2id = {'normal': 0}
for i in dos_type:
type2id[i] = 1
for i in r2l_type:
type2id[i] = 2
for i in u2r_type:
type2id[i] = 3
for i in probing_type:
type2id[i] = 4
数据处理&&训练技巧
数据预处理
讨论原始网络数据面临的挑战：高维度、类别特征和连续特征。
使用的技术：
对类别数据（协议类型、服务和标志）进行独热编码。
标准化连续特征以处理不同的尺度。
如何处理缺失数据（如果有），通过插值或删除。
使用StandardScaler和pickle保存缩放参数以保持一致的预处理。
处理不平衡数据
讨论入侵检测数据集中的不平衡问题。
介绍ImbalancedDatasetSampler的使用及其如何帮助实现平衡的小批量。
使用此类采样器对深度学习模型训练的好处。
模型架构
权重初始化技术，如Xavier和Kaiming初始化。
使用Dropout和Batch Normalization防止过拟合。
训练技巧
使用CosineAnnealingLR进行学习率调度，以适应性地调整学习率。
选择Adam优化器而非传统的SGD的原因。
损失函数的选择及其对模型训练的影响。
实验设置
数据加载器和批处理过程的描述。
利用GPU进行高效模型训练。
在训练过程中评估模型准确性和损失的过程。
建神经网络，输入41个特征，输出是那种类别的攻击
神经网络模型1，这是个全连接神经网络，训练完后效果不错：
class FullyConnectedNet(nn.Module):
def __init__(self, input_size=122, num_classes=5):
super(FullyConnectedNet, self).__init__()
self.fc1 = nn.Linear(input_size, 512) # 第一层全连接层
self.fc2 = nn.Linear(512, 1024) # 第二层全连接层
self.fc3 = nn.Linear(1024, 512) # 第三层全连接层
self.fc3_1 = nn.Linear(512, 128) # 第三层全连接层
# self.fc3_2 = nn.Linear(512, 128) # 第三层全连接层
self.fc4 = nn.Linear(128, num_classes) # 输出层
self.relu = nn.ReLU()
self.dropout = nn.Dropout(0.2)
def forward(self, x):
x = self.relu(self.fc1(x))
# x = self.dropout(x)
x = self.relu(self.fc2(x))
# x = self.dropout(x)
x = self.relu(self.fc3(x))
# x = self.dropout(x)
x = self.relu(self.fc3_1(x))
# x = self.dropout(x)
# x = self.relu(self.fc3_2(x))
x = self.fc4(x)
return x
# 初始化权重
def init_weights(self):
for m in self.modules():
if type(m) == nn.Linear:
init.xavier_normal_(m.weight)
init.constant_(m.bias, 0)
为了写论文，当然可以造一些别的网络，效果也差不多，看你想怎么写就怎么写，比如下面这个模型：
class BGRUNet2(nn.Module):
def __init__(self, input_size, hidden_size, output_size):
super(BGRUNet2, self).__init__()
self.hidden_size = hidden_size
self.gru = nn.GRU(input_size, hidden_size, batch_first=True, bidirectional=True)
self.fc1 = nn.Linear(hidden_size * 2, 512) # Multiply hidden size by 2 for bidirectional
self.fc2 = nn.Linear(512, 64)
self.fc3 = nn.Linear(64, output_size)
self.dropout = nn.Dropout(0.2)
# Initialize GRU weights
for name, param in self.gru.named_parameters():
if 'weight_ih' in name:
init.xavier_uniform_(param.data)
elif 'weight_hh' in name:
init.orthogonal_(param.data)
elif 'bias' in name:
param.data.fill_(0)
# Initialize fully connected layer weights
init.xavier_uniform_(self.fc1.weight)
init.xavier_uniform_(self.fc2.weight)
init.xavier_uniform_(self.fc3.weight)
# Initialize fully connected layer biases
init.zeros_(self.fc1.bias)
init.zeros_(self.fc2.bias)
init.zeros_(self.fc3.bias)
def forward(self, x):
# Initialize hidden state for bidirectional GRU
h0 = torch.zeros(2, x.size(0), self.hidden_size).to(x.device) # 2 for bidirectional
# Forward pass through GRU
out, _ = self.gru(x, h0)
# Concatenate the hidden states from both directions
out = torch.cat((out[:, -1, :self.hidden_size], out[:, 0, self.hidden_size:]), dim=1)
out = self.dropout(out)
out = F.relu(self.fc1(out))
out = self.dropout(out)
out = F.relu(self.fc2(out))
out = self.dropout(out)
return self.fc3(out)
模型训练
训练30轮，准确度最高97.39%：
随着训练轮数的变化，损失的变化：
模型推理
加载模型后，构建输入数据，模型推导得出结果：
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
model = BGRUNet2(input_size=122, hidden_size=256, output_size=5)
model.load_state_dict(torch.load('model_accuracy_max.pth', map_location=device))
model.to(device)
model.eval()
time1 = time.time()
with torch.no_grad():
X = X.to(device)
outputs = model(X)
# softmax
outputs = F.softmax(outputs, dim=1)
_, predicted = torch.max(outputs.data, 1)
time2 = time.time()
写gradio前端界面，用户自己输入41个特征，后端用模型推理计算后显示出是否是dos攻击
安装环境（仅仅第一次需要安装）：
pip install matplotlib torch torchvision gradio pandas scipy torchsampler scikit-learn==1.3.1
运行代码 python app.py 后访问：http://127.0.0.1:7861/
可以看到：
填写特征太多，有点懒得填，可以拉到最底下，有例子，可以点一下例子数据：
然后点一下提交，模型推理后给出结果，可以看到，模型认为这次连接数据表明了这是Doc入侵攻击，概率是1，模型推理消耗了0.01毫秒。
使用方法：
执行python train.py。即可开启训练。
执行python app.py。即可开启gradio前端界面。文章来源：https://www.toymoban.com/news/detail-857633.html
获取代码和模型
go：文章来源地址https://www.toymoban.com/news/detail-857633.html
https://docs.qq.com/sheet/DUEdqZ2lmbmR6UVdU?tab=BB08J2
到了这里，关于【深度学习】【机器学习】用神经网络进行入侵检测，NSL-KDD数据集，基于机器学习（深度学习）判断网络入侵，网络攻击，流量异常的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
